機器學習pdf

下載地址：網盤下載

機器學習是計算機科學與人工智能的重要分支領域. 本書做爲該領域的入門教材，在內容上儘量涵蓋機器學習基礎知識的各方面。 爲了使盡量多的讀者經過本書對機器學習有所瞭解, 做者試圖儘量少地使用數學知識. 然而, 少許的機率、統計、代數、優化、邏輯知識彷佛不可避免. 所以, 本書更適合大學三年級以上的理工科本科生和研究生, 以及具備相似背景的對機器學 習感興趣的人士. 爲方便讀者, 本書附錄給出了一些相關數學基礎知識簡介.
全書共16 章，大體分爲3 個部分：第1 部分（第1～3 章）介紹機器學習的基礎知識；第2 部分（第4～10 章）討論一些經典而經常使用的機器學習方法（決策樹、神經網絡、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習）；第3 部分（第11～16 章）爲進階知識，內容涉及特徵選擇與稀疏學習、計算學習理論、半監督學習、機率圖模型、規則學習以及強化學習等.前3章以外的後續各章均相對獨立, 讀者可根據本身的興趣和時間狀況選擇使用. 根據課時狀況, 一個學期的本科生課程可考慮講授前9章或前10章; 研究生課程則不妨使用全書.
書中除第1章外, 每章都給出了十道習題. 有的習題是幫助讀者鞏固本章學習, 有的是爲了引導讀者擴展相關知識. 一學期的通常課程可以使用這些習題, 再輔以兩到三個針對具體數據集的大做業. 帶星號的習題則有至關難度, 有些並沒有現成答案, 謹供富有進取心的讀者啓發思考.
本書可做爲高等院校計算機、自動化及相關專業的本科生或研究生教材，也可供對機器學習感興趣的研究人員和工程技術人員閱讀參考。
周志華，南京大學教授，計算機科學與技術系副主任，軟件新技術國家重點實驗室常務副主任，機器學習與數據挖掘研究所（LAMDA）所長，校、系學術委員會委員；ACM傑出科學家，IEEE Fellow，IAPR Fellow，中國計算機學會會士；長江學者特聘教授，國家傑出青年基金得到者。2007年建立南京大學機器學習與數據挖掘研究所（LAMDA），2010年11月任軟件新技術國家重點實驗室常務副主任，2013年5月任計算機系副主任。
下載地址：網盤下載