机器学习导论

《机器学习导论》是一本浅显易懂的机器学习入门教材，深入浅出地介绍了机器学习的基础理论、模型与经典方法，并适当融入了深度学习的前沿知识。全书共9章，主要内容包括：机器学习概述、回归模型（线性回归、多项式回归、岭回归、套索回归、弹性网络、逻辑斯谛回归、Softmax回归）、k*近邻和kd树算法、支持向量机、贝叶斯分类器与贝叶斯网络、决策树、集成学习（AdaBoost、GBDT、随机森林和极端随机树）、聚类（k均值算法、BIRCH算法、DBSCAN算法、OPTICS算法）、深度学习（卷积神经网络、循环神经网络、生成式对抗网络）。每章都附有小结与习题，便于读者对知识的巩固和融会贯通。 《机器学习导论》注重选材，内容丰富，条理清晰，通俗易懂，着重突出机器学习方法的思想内涵和本质，力求反映机器学习领域的核心知识体系和发展趋势。 《机器学习导论》可作为高等院校智能科学与技术、数据科学与大数据技术、电子信息类等专业的高年级本科生、研究生的教材或教学参考书，也可供人工智能、数据科学、机器学习相关行业的工程技术人员学习参考。