作品简介
全书共分两篇。
第一篇系统介绍监督学习的各种重要方法,包括决策树、感知机、支持向量机、最大熵模型与逻辑斯谛回归、推进法、多类分类法、EM算法、隐马尔科夫模型和条件随机场等;
第二篇介绍无监督学习,包括聚类、奇异值、主成分分析、潜在语义分析等。
两篇中,除概论和总结外,每章介绍一或二种方法。
出版时间2020-11-01
共 11 章
内容简介试读
第2版序言试读
第1版序言试读
第1篇 监督学习试读
第2篇 无监督学习
附录A 梯度下降法
附录B 牛顿法和拟牛顿法
附录C 拉格朗日对偶性
附录D 矩阵的基本子空间
附录E KL散度的定义和狄利克雷分布的性质
索引

