本书讨论了机器学习在统计学、模式识别、神经网络、人工智能、信号处理等不同领域的应用。其中涵盖的内容比较全面,且易于学习和掌握。主要内容包括:监督学习、贝叶斯决策理论、参数方法、多元方法、维度归约、非参数方法、决策树、线性判别式、多层感知器、隐马尔可夫模型、组合多学习器以及增强学习等。可作为高等院校计算机相关专业高年级本科生和研究生的教材,也可供研究机器学习方法的技术人员参考
相关下载链接:
//download.csdn.net/download/songyl525/10472525?utm_source=bbsseo