机器学习（英文版） (2008 年度畅销榜NO.6884 )

本书展示了机器学习中的核心算法和理论，并阐明了算法的过行过程。书中主要涵盖了目前机器学习中各种最实用的理论和算法，包括概念学习、决策树、神经网络、贝叶斯学习、基于实例的学习、遗传算法、规则学习、基于解释的学习和增强学习等。对每一个主题，作者不仅进行了十分详尽和直观的解释，还给出了实用的算法流程。本书被卡内基梅隆等许多大学作为机器学习课程的教材。机器学习这门学科研究的是能通过经验自动改进的计算机算法，其应用从数据挖掘程序到信息过滤系统，再到自动机工具，已经非常丰富。机器学习从很多学科吸收了成果和概念，包括人工智能、概论论与数理统计、哲学、信息论、生物学、认知科学和控制论等，并以此来理解问题的背景、算法和算法中的隐含假定。\r\n

1 Introduction\r\n 2 Concept Learning and the General-to-Specific Ordering\r\n 3 Decision Tree Learning\r\n 4 Artificial Neural Networks\r\n 5 Evaluating Hypotheses\r\n 6 Bayesian Learning\r\n 7 Computational Learning Theory\r\n 8 Instance-Based Learning\r\n 9 Genetic Algorithms\r\n 10 Learning Sets Rules\r\n 11 Analytical Learning\r\n 12 Combining Inductive and Analytical Learning\r\n 13 Reinforcement Learning\r\n Appendix\r\n

无封面