機器學習算法原理與編程實踐 机器学习算法原理与编程实践

<內容簡介>

鄭捷編著的《機器學習演算法原理與編程實踐》從結構上闡明瞭研究機器學習理論和演算法的方法：最重要的不是數學，也不是這些演算法本身，而是思想的發展過程，這與之前所有的書籍有所不同。全書分為三條主線：第一條主線是從第一代神經網絡（線性分類器）、第二代神經網絡（非線性）及其在預測領域的應用，到支持向量機，最後是深度學習；第二條主線是貝葉斯理論，從樸素貝葉斯演算法到貝葉斯網，最後是隱馬爾科夫模型，這部分屬於智能推理的範疇；第三條主線是矩陣降維、奇異值分解（SYD）和PCA演算法，因為演算法簡單，本書都使用真實案例進行講解。
目前機器學習主要由這三條主線貫穿始終，本書著力於講解三條主線的理論發展、思想變遷、數學原理，而具體演算法就是在其上的一顆顆明珠。希望讀者在學習完本書之後，能夠將機器學習的各種理論融會貫通。

<章節目錄>

第1章 機器學習的基礎
第2章 中文文本分類
第3章 決策樹的發展
第4章 推薦系統原理
第5章 梯度尋優
第6章 神經網絡初步
第7章 預測的技術與哲學
第8章 萬能分類器??支持向量機
第9章 人臉識別中的機器學習
第10章 認知計算與深度學習
第11章 概率圖模型與詞性標註