机器学习的算法观点 第2版

图书标准信息

• 作者 [新西兰]史蒂芬·马斯兰（Stephen Marsland）
• 出版社 世界图书出版公司
• 出版时间 2022-08
• 版次 1
• ISBN 9787519295707
• 定价 129.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 468页
• 字数 437.000千字

【内容简介】

传统的机器学习教材可以分为两类：一类适用于具有充分数学知识的高年级本科生或研究生，另一类则是关于如何编写算法程序的入门手册。本书的特别之处是书中既展示了如何去使用构成机器学习方法的算法，也提供了理解这些算法如何工作以及为什么工作所需的数学背景。这使得本书自2009年首版以来大获好评并被国际上很多大学选用为本科生机器学习课程教材。2009年以后，机器学习领域又出现了一些显著的发展，比如机器学习算法的统计解释越来越有用并流行。而这给那些缺乏强大统计背景的计算机科学专业的学生带去学习上的困难。本书的第2版致力于弥补这一缺陷，帮助学生一方面通过掌握相关的数学和统计学知识，另一方面通过必要的编程和实践，来充分理解机器学习的现代算法。第2版中不但新增了深度信念网络和高斯过程两章，全书的章节都进行了重新的组织，使学习流程更为自然。书中增加了随机森林、感知机收敛定理、多层感知器共轭梯度优化等新内容，对支持向量机部分也进行了大幅的修改，还讨论了卡尔曼滤波器和粒子滤波器。本书既可用于一学期的机器学习入门课程，也可组织材料用于更高阶的课程。书中每章都包含详细的示例并提供进一步的阅读文献和问题。强烈鼓励学生使用代码进行练习，用于创建示例的所有代码都可以在作者的网站上找到。

【作者简介】

史蒂芬·马斯兰（Stephen Marsland）是新西兰威灵顿维多利亚大学的数学与统计学院教授，他之前在梅西大学任教并担任工程与先进技术学院的研究生教导主任。他是新西兰Te Pūnaha Matatini复杂系统与网络卓越研究中心项目主管，领导复杂性、风险与不确定性等相关主题的研究工作。他是新西兰数学学会的杰出会士，并兼任新西兰数学研究所（NZMRI）所长。

【目录】

rologue

Introduction

Preliminaries

Neurons, Neural Networks, and Linear Discriminants

The Multi-Layer Perceptron

Radial Basis Functions and Splines

Dimensionality Reduction

Probabilistic Learning

Support Vector Machines

Optimisation and Search

Evolutionary Learning

Reinforcement Learning

Learning with Trees

Decision by Committee: Ensemble Learning

Unsupervised Learning

Markov Chain Monte Carlo (MCMC) Methods

Graphical Models

Symmetric Weights and Deep Belief Networks

Gaussian Processes

Appendix A. Python