《机器学习基础教程》详细介绍机器学习技术性及运用的关键优化算法,重中之重叙述了解流行的机器学习算法需要的关键数学课和统计分析专业知识。书中详细介绍的优化算法包含机器学习的关键难题:归类、聚类分析法和投射。因为这书是机器学习基本课程内容的教材内容,因此尽量避免了数学课难度系数,仅对一部分关键优化算法得出详尽的叙述和计算,而对绝大多数优化算法仅得出简易详细介绍,目地取决于使大学生做好基本,提高自信心和兴趣爱好,激励她们深化学习培训该行业的高級主题风格或从业有关科学研究工作中。
这书是机器学习导论课程内容教材内容,合适作为电子计算机、自动化技术及有关技术专业低年级本科毕业或硕士研究生的教材内容,也能够科学研究工作人员和工程项目专业技术人员参照。
目录
- 第1章线性建模:最小二乘法
- 第2章线性建模:最大似然方法
- 第3章机器学习的贝叶斯方法
- 第4章贝叶斯推理
- 第5章分类
- 第6章聚类分析
- 第7章主成分分析与隐变量模型
- ......