题名:
机器学习基础   ji qi xue xi ji chu / (美)梅尔亚·莫里(Mehryar Mohri), (美)阿夫欣·罗斯塔米扎达尔(Afshin Rostamizadeh), (美)阿米特·塔尔沃卡尔(Ameet Talwalkar)著 , 张文生等译
ISBN:
978-7-111-62218-5 价格： CNY99.00
语种:
chi
载体形态:
10,288页 26cm
出版发行:
出版地： 北京 出版社： 机械工业出版社 出版日期： 2019
内容提要:
本书从概率近似正确（PAC）理论出发探讨机器学习的基础理论与典型算法，包括PAC学习框架、VC-维、支持向量机、核方法、在线学习、多分类、排序、回归、降维、强化学习等丰富的内容。此外，附录部分简要回顾了与机器学习密切相关的概率论、凸优化、矩阵以及范数等必要的预备知识。本书重在介绍典型算法的理论支撑并指出算法在实际应用中的关键点，注重理论细节与证明过程，可作为高等院校机器学习、统计学等课程的教材，或作为相关领域研究人员的参考读物。 
主题词:
机器学习  
中图分类法:
TP181 版次： 5
主要责任者:
莫里 mo li 著
主要责任者:
罗斯塔米扎达尔 luo si ta mi zha da er 著
主要责任者:
塔尔沃卡尔 ta er wo ka er 著
次要责任者:
张文生 zhang wen sheng 译
责任者附注:
梅尔亚·莫里，纽约大学库兰特数学科学研究所计算机科学与数学教授，同时任谷歌研究院的研究顾问。主要研究方向包括机器学习理论和算法、语音处理、自动机理论和算法、自然语言处理、计算生物学等。 
责任者附注:
阿夫欣·罗斯塔米扎达尔，谷歌研究院高级研究员。拥有纽约大学计算机科学博士学位，加州大学伯克利分校电子工程与计算机学士学位。 
责任者附注:
阿米特·塔尔沃卡尔，卡内基·梅隆大学机器学习系助理教授，同时还是AI初创企业Determined AI的联合创始人和首席科学家。拥有纽约大学计算机科学-机器学习博士学位，还曾是加州大学伯克利分校电子工程与计算机系博士后研究员。 
责任者附注:
张文生，中国科学院自动化研究所研究员、副总工程师、博士生导师，原科技处处长。中国科学院大学人工智能首席教授，中国科技大学讲座教授、博士生导师。获得国家发明专利30余项。 
索书号:
TP181/4010