機器學習的算法分析和實踐
本書是一本全面介紹機器學習方法特別是算法的新書，適合初學者和有一定基礎的讀者。機器學習可以分成三大類別，監督式學習、非監督式學習和強化學習。三大類別背后的算法也各有不同。監督式學習使用了數學分析中函數逼近方法、概率統計中的極大似然方法。非監督式學習使用了聚類和貝葉斯算法。強化學習使用了馬爾可夫決策過程算法。機器學習背后的數學部分來自概率、統計、數學分析以及線性代數等領域。雖然用到的數學較多，但是最快捷的辦法還是帶著機器學習的具體問題來掌握背后的數學原理。因為線性代數和概率理論使用較多，本書在最后兩章集中把重要的一些概率論和線性代數的內容加以介紹，如果有需要的同學可以參考。另外，學習任何知識，動手練習加深理解的最新方法，所以本書的每一章都配備了習題供大家實踐和練習。
·7.4萬字
