书籍介绍
本书全面、系统地介绍了机器学习领域中的经典方法，并兼顾算法原理与实践运用。本书具体内容涉及回归分析（线性回归、多项式回归、非线性回归、岭回归、LASSO、弹性网络以及RANSAC等）、分类（感知机、逻辑回归、朴素贝叶斯、决策树、支持向量机、人工神经网络等）、聚类（k均值、EM算法、密度聚类、层次聚类以及谱聚类等）、集成学习（随机森林、AdaBoost、梯度提升等）、蒙特卡洛采样（拒绝采样、自适应拒绝采样、重要性采样、吉布斯采样和马尔科夫链蒙特卡洛等）、降维与流形学习（SVD、PCA和MDS等），以及概率图模型（例如，贝叶斯网络和隐马尔科夫模型）等话题。
本书是机器学习及相关课程的教学参考书，可供高等院校人工智能、机器学习或数据挖掘等相关专业的师生使用，也可供从事计算机应用，特別是数据科学相关专业的研发人员参考。
左飞，技术作家、译者。著作涉及图像处理、编程语言和移动通信等多个领域，并翻译出版了计算机领域的经典之作《编码》，及Jolt震撼大奖获奖作品《代码阅读》和《代码质量》等多部图书。在数据分析、信息安全和图像处理领域也有较深研究，在靠前会议与核心学术期刊上发布论文多篇，并申请专利发明一项，多部相关著作再版多次、广受好评。现在的研究兴趣主要集中在图像处理、机器学习、数据分析技术和空间数据库算法等领域。
目录