题名:
机器学习基础   / (美) 梅尔亚·莫里, 阿夫欣·罗斯塔米扎达尔, 阿米特·塔尔沃卡尔著 , 张文生等译
ISBN:
978-7-111-62218-5 价格： CNY99.00
语种:
chi
载体形态:
x, 288页 图 26cm
出版发行:
出版地： 北京 出版社： 机械工业出版社 出版日期： 2019
内容提要:
本书从概率近似正确 (PAC) 理论出发探讨机器学习的基础理论与典型算法, 包括PAC学习框架、VC-维、支持向量机、核方法、在线学习、多分类、排序、回归、降维、强化学习等丰富的内容。此外, 附录部分简要回顾了与机器学习密切相关的概率论、凸优化、矩阵以及范数等必要的预备知识。本书重在介绍典型算法的理论支撑并指出算法在实际应用中的关键点, 注重理论细节与证明过程 
主题词:
机器学习  
中图分类法:
TP181 版次： 5
主要责任者:
莫里 著
主要责任者:
罗斯塔米扎达尔 著
主要责任者:
塔尔沃卡尔 著
次要责任者:
张文生 译
责任者附注:
梅尔亚·莫里, 纽约大学库兰特数学科学研究所计算机科学与数学教授, 同时任谷歌研究院的研究顾问。阿夫欣·罗斯塔米扎达尔, 谷歌研究院高级研究员。阿米特·塔尔沃卡尔, 卡内基·梅隆大学机器学习系助理教授。