編輯推薦:　　人工智能專家米羅斯拉夫?庫巴特教授25年傾心打造
　　系統(tǒng)解讀了有關(guān)機(jī)器學(xué)習(xí)的14個(gè)方面，快速讀懂機(jī)器學(xué)習(xí)
　　全面揭開機(jī)器學(xué)習(xí)的奧秘
　　本書系統(tǒng)全面，既可以自學(xué)又可以作為研究參考。既道出了機(jī)器學(xué)習(xí)的前世今生，又展望了發(fā)展的未來，讓道聽途說的信息止于智者。全面討論機(jī)器學(xué)習(xí)方法和技術(shù)，層次合理、敘述清晰、難度適中。涵蓋了經(jīng)典的機(jī)器學(xué)習(xí)算法和理論，同時(shí)補(bǔ)充了近年來新出現(xiàn)的機(jī)器學(xué)習(xí)方法。

內(nèi)容簡介:　　這本書通過給出易操作的實(shí)踐指導(dǎo)、采用簡單的例子、激勵學(xué)生討論有趣的應(yīng)用問題，用一種易于理解的方式介紹了機(jī)器學(xué)習(xí)的基本思想。本書主題包括貝葉斯分類器、近鄰分類器、線性和多項(xiàng)式分類器、決策樹、神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)。后面的章節(jié)展示了如何把這些簡單工具通過“提升”（boosting）的方式結(jié)合起來，怎樣將它們應(yīng)用于更加復(fù)雜的領(lǐng)域，以及如何處理各種高級的實(shí)踐問題。其中有一章介紹了廣為人知的遺傳算法。

作者簡介:　　米羅斯拉夫·庫巴特，美國邁阿密大學(xué)教授，從事機(jī)器學(xué)習(xí)教學(xué)和研究超過25年。他已發(fā)表100余篇經(jīng)過同行評審的論文，與人合編了兩本著作，是近60個(gè)會議和研討會的程序委員會委員，并擔(dān)任3本學(xué)術(shù)刊物的編委。他在兩個(gè)方面的前沿研究上得到了廣泛贊譽(yù)：時(shí)變概念的歸納學(xué)習(xí)和在非平衡訓(xùn)練集上的學(xué)習(xí)。此外，在多標(biāo)簽樣例上的歸納學(xué)習(xí)、層次組織的類別上的歸納學(xué)習(xí)、遺傳算法、神經(jīng)網(wǎng)絡(luò)的初始化等問題上，他也做出了很多貢獻(xiàn)。

目錄:推薦序
前言
第1章 一個(gè)簡單的機(jī)器學(xué)習(xí)任務(wù)//
1.1訓(xùn)練集和分類器//
1.2一點(diǎn)題外話：爬山搜索//
1.3機(jī)器學(xué)習(xí)中的爬山法//
1.4分類器的性能//
1.5可用數(shù)據(jù)的困難//
1.6總結(jié)和歷史簡評//
1.7鞏固你的知識//
第2章 概率：貝葉斯分類器//
2.1單屬性的情況//
2.2離散屬性值的向量//
2.3稀少事件的概率：利用專家的直覺//
2.4如何處理連續(xù)屬性//
2.5高斯鐘形函數(shù)：一個(gè)標(biāo)準(zhǔn)的概率密度函數(shù)//
2.6用高斯函數(shù)的集合近似概率密度函數(shù)//
2.7總結(jié)和歷史簡評//
2.8鞏固你的知識//
第3章 相似性：最近鄰分類器//
3.1k近鄰法則//
3.2度量相似性//
3.3不相關(guān)屬性與尺度縮放問題//
3.4性能方面的考慮//
3.5加權(quán)最近鄰//
3.6移除危險(xiǎn)的樣例//
3.7移除多余的樣例//
3.8總結(jié)和歷史簡評//
3.9鞏固你的知識//
第4章 類間邊界：線性和多項(xiàng)式分類器//
4.1本質(zhì)//
4.2加法規(guī)則：感知機(jī)學(xué)習(xí)//
4.3乘法規(guī)則：WINNOW//
4.4多于兩個(gè)類的域//
4.5多項(xiàng)式分類器//
4.6多項(xiàng)式分類器的特殊方面//
4.7數(shù)值域和支持向量機(jī)//
4.8總結(jié)和歷史簡評//
4.9鞏固你的知識//
第5章 人工神經(jīng)網(wǎng)絡(luò)//
5.1作為分類器的多層感知機(jī)//
5.2神經(jīng)網(wǎng)絡(luò)的誤差//
5.3誤差的反向傳播//
5.4多層感知機(jī)的特殊方面//
5.5結(jié)構(gòu)問題//
5.6徑向基函數(shù)網(wǎng)絡(luò)//
5.7總結(jié)和歷史簡評//
5.8鞏固你的知識//
第6章 決策樹//
6.1作為分類器的決策樹//
6.2決策樹的歸納學(xué)習(xí)//
6.3一個(gè)屬性承載了多少信息//
6.4數(shù)值屬性的二元劃分//
6.5剪枝//
6.6將決策樹轉(zhuǎn)換為規(guī)則//
6.7總結(jié)和歷史簡評//
6.8鞏固你的知識//
第7章 計(jì)算學(xué)習(xí)理論//
7.1PAC 學(xué)習(xí)//
7.2PAC可學(xué)習(xí)性的實(shí)例//
7.3一些實(shí)踐和理論結(jié)果//
7.4VC維與可學(xué)習(xí)性//
7.5總結(jié)和歷史簡評//
7.6鞏固你的知識//
第8章 幾個(gè)有幫助的案例//
8.1字符識別//
8.2溢油檢測//
8.3睡眠分類//
8.4腦機(jī)界面//
8.5醫(yī)療診斷//
8.6文本分類//
8.7總結(jié)和歷史簡評//
8.8鞏固你的知識//
第9章 投票組合簡介//
9.1“裝袋”方法(Bagging)//
9.2夏皮爾提升(Schapires Boosting)//
9.3Adaboost——Boosting的實(shí)用版本//
9.4Boosting方法的變種//
9.5Boosting方法的計(jì)算優(yōu)勢//
9.6總結(jié)和歷史簡評//
9.7鞏固你的知識//
第10章 了解一些實(shí)踐知識//
10.1學(xué)習(xí)器的偏好//
10.2不平衡訓(xùn)練集//
10.3語境相關(guān)域//
10.4未知屬性值//
10.5屬性選擇//
10.6雜項(xiàng)//
10.7總結(jié)和歷史簡評//
10.8鞏固你的知識//
第11章 性能評估//
11.1基本性能標(biāo)準(zhǔn)//
11.2精度和查全率//
11.3測量性能的其他方法//
11.4多標(biāo)簽域內(nèi)的性能//
11.5學(xué)習(xí)曲線和計(jì)算開銷//
11.6實(shí)驗(yàn)評估的方法//
11.7總結(jié)和歷史簡評//
11.8鞏固你的知識//
第12章 統(tǒng)計(jì)顯著性//
12.1總體抽樣//
12.2從正態(tài)分布中獲益//
12.3置信區(qū)間//
12.4一個(gè)分類器的統(tǒng)計(jì)評價(jià)//
12.5另外一種統(tǒng)計(jì)評價(jià)//
12.6機(jī)器學(xué)習(xí)技術(shù)的比較//
12.7總結(jié)和歷史簡評//
12.8鞏固你的知識//
第13章 遺傳算法//
13.1基本遺傳算法//
13.2單個(gè)模塊的實(shí)現(xiàn)//
13.3為什么能起作用//
13.4過早退化的危險(xiǎn)//
13.5其他遺傳算子//
13.6高級版本//
13.7k-NN 分類器的選擇//
13.8總結(jié)和歷史簡評//
13.9鞏固你的知識//
第14章 增強(qiáng)學(xué)習(xí)//
14.1如何選出最高獎勵的動作//
14.2游戲的狀態(tài)和動作//
14.3SARSA方法//
14.4總結(jié)和歷史簡評//
14.5鞏固你的知識//
參考文獻(xiàn)//