| 开本：16开 |
| 纸张：胶版纸 |
| 包装：平装-胶订 |
| 是否套装：否 |
| 国际标准书号ISBN：9787302686248 |
| 所属分类：图书>教材>高职高专教材>计算机 |
新华书店正版，多仓就近发货，城市次日达，团购优惠咨询在线客服！重磅推荐
内容简介
本书理论和实践并重，强化算法思想讲解，既有理论的系统讲解、公式的详细推导，也有代码实现的详细讲解，同时突出独立思考、提出问题能力的培养。
全书共章，涵盖了机器学习的基本内容，主要包括概述、离散变量与分类、连续变量与线性回归、维数灾难与降维、均值聚类、生成模型与贝叶斯分类器、自监督与大语言模型、环境监督与强化学习、综合实验等。本书适用于本科生及研究生的课程教学。模型和算法采用从零实现，只依赖、和，不依赖已有的机器学习库，是学习机器学习的最小知识集。
本书可作为高等院校计算机类相关专业的“机器学习”课程教材，也可作为对机器学习感兴趣的读者的自学读物，还可作为相关行业技术人员的参考用书。
目 录
第章概述
什么是机器学习
有监督学习
无监督学习
自监督学习
环境监督与强化学习
机器学习的三个重要方面
数据的表示
模型的很优化
模型的评估
机器学习的历史与现状
拓展阅读
习题
第章离散变量与分类第章概述
什么是机器学习
有监督学习
无监督学习
自监督学习
环境监督与强化学习
机器学习的三个重要方面
数据的表示
模型的很优化
模型的评估
机器学习的历史与现状
拓展阅读
习题
第章离散变量与分类
近邻分类器
算法简介
算法的距离计算
算法的值选择
算法的决策规则
算法小结
核心代码
习题
决策树
……
显示全部信息
商品详情
内容简介
本书理论和实践并重，强化算法思想讲解，既有理论的系统讲解、公式的详细推导，也有代码实现的详细讲解，同时突出独立思考、提出问题能力的培养。
全书共章，涵盖了机器学习的基本内容，主要包括概述、离散变量与分类、连续变量与线性回归、维数灾难与降维、均值聚类、生成模型与贝叶斯分类器、自监督与大语言模型、环境监督与强化学习、综合实验等。本书适用于本科生及研究生的课程教学。模型和算法采用从零实现，只依赖、和，不依赖已有的机器学习库，是学习机器学习的最小知识集。
本书可作为高等院校计算机类相关专业的“机器学习”课程教材，也可作为对机器学习感兴趣的读者的自学读物，还可作为相关行业技术人员的参考用书。
目 录
第章概述
什么是机器学习
有监督学习
无监督学习
自监督学习
环境监督与强化学习
机器学习的三个重要方面
数据的表示
模型的很优化
模型的评估
机器学习的历史与现状
拓展阅读
习题
第章离散变量与分类第章概述
什么是机器学习
有监督学习
无监督学习
自监督学习
环境监督与强化学习
机器学习的三个重要方面
数据的表示
模型的很优化
模型的评估
机器学习的历史与现状
拓展阅读
习题
第章离散变量与分类
近邻分类器
算法简介
算法的距离计算
算法的值选择
算法的决策规则
算法小结
核心代码
习题
决策树
……
显示全部信息
商品详情