豆瓣评分: 8.7
内容简介
机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材,在内容上尽可能涵盖机器学习基础知识的各方面。 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识. 然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究生, 以及具有类似背景的对机器学 习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介.
全书共16 章,大致分为3 个部分:第1 部分(第1~3 章)介绍机器学习的基础知识;第2 部分(第4~10 章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第3 部分(第11~16 章)为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、…
作者简介
周志华,南京大学教授,计算机科学与技术系副主任,软件新技术国家重点实验室常务副主任,机器学习与数据挖掘研究所(LAMDA)所长,校、系学术委员会委员;ACM杰出科学家,IEEE Fellow,IAPR Fellow,中国计算机学会会士;长江学者特聘教授,国家杰出青年基金获得者。2007年创建南京大学机器学习与数据挖掘研究所(LAMDA),2010年11月任软件新技术国家重点实验室常务副主任,2013年5月任计算机系副主任。
评论
这本书更合适作为一学期课程的教材,非常不推荐自学,鬼知道我当初看到precision,recall,ROC和AUC时查了多少资料。很多内容是懂的人不用看,不懂的人依然看不懂,国内不友好教材的通病
机器学习是达到人工智能的手段,而非人工智能本身。
懂得人不用看,不懂的人看了也不会懂,不知道为什么评价这么高,就因为排版还不错吗?
简明而深刻,厚积薄发的评注非常开拓思维,多是游刃有余之后才可得出的见解,受益匪浅,我觉得给六星也不夸张,论述很系统很全面,对知识领域一览无余、豁然开朗的感觉真好
不要窄化思维。