机器学习基础

（美）梅尔亚·莫里（Mehryar Mohri），（美）阿夫欣·罗斯塔米扎达尔（Afshin Rostamizadeh），（美）阿米特·塔尔沃卡尔（Ameet Talwalkar）著

作者（美）梅尔亚·莫里（Mehryar Mohri），（美）阿夫欣·罗斯塔米扎达尔（Afshin Rostamizadeh），（美）阿米特·塔尔沃卡尔（Ameet Talwalkar）著
出版社北京：机械工业出版社
标注页数290 页
文件页数302 页
文件大小46.63 MB
出版时间2019
ISBN9787111622185

内容简介

本书从概率近似正确（PAC）理论出发探讨机器学习的基础理论与典型算法，包括PAC学习框架、VC-维、支持向量机、核方法、在线学习、多分类、排序、回归、降维、强化学习等丰富的内容。此外，附录部分简要回顾了与机器学习密切相关的概率论、凸优化、矩阵以及范数等必要的预备知识。本书重在介绍典型算法的理论支撑并指出算法在实际应用中的关键点，注重理论细节与证明过程，可作为高等院校机器学习、统计学等课程的教材，或作为相关领域研究人员的参考读物。

发现好书期刊，享受阅读乐趣

机器学习基础