全站搜索
首页_赢咖4星辉-官方注册地址
首页_赢咖4星辉-官方注册地址
赢咖4机器学习书籍选择?
作者:管理员    发布于:2021-03-13 23:11    文字:【】【】【

  介绍了统计机器学习的主要方法,主要是监督学习部分。感知机、k近邻法、朴素贝叶斯法、决策树、逻辑回归、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。书并不厚,但是逻辑清晰,特别是算法推导部分,是深入了解推导过程、笔试复习的好材料。

  虽然这本书名称为“基础”,但其实并不基础,对当前较为流行的统计机器学习方法有较为全面的介绍。将机器学习技术在统计和数值优化的意义上重新阐释,让读者理解本质和内在联系,掌握这类问题的基本思路,所以对机器学习思维的提升是有很大的帮助。

  比较全面的入门教材,适合准备上手入门机器学习的同学,对整个机器学习的体系有全面的了解。同时,作者在内容的设计、知识的处理上也比较细腻。除了前机器学习的基础知识,各种算法模型方法,应用场景、理论推导、优化过程等也都有涉及。

  适合机器学习进阶使用,如果对模式识别有一些了解后来看更好。除了统计模式识别和结构模式识别的主要内容以外,还有包含了神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。

  《Pattern Recognition and Machine Learning》是绝对的经典之作,适合机器学习进阶,应该是机器学习进阶必读。这本书对Bayesian Learning方法有相当严谨的介绍和总结,但在此基础之上,无论是原理、算法还是应用,都做得非常好。

  Mitchell 的《机器学习》也是经典书目,虽然年代稍久,但对于机器学习的思想体系建立是非常有帮助的。以生动的语言阐述了机器学习的历史与算法,并提供了各算法的出处与延伸,而在数学及推导方面用的笔墨较少。

  深度学习领域的经典,Gan 之父 Goodfellow 所著,是一本非常适合机器学习进阶学习的书。介绍深度学习的数学基知识和机器学习基础,同时也全面地包含了深度学习的理论与实践。比如经典的CNN, RNN 等神经网络,经典的RBM,DBN等无监督神经网络,比较新的GAN,DCGAN等无监督神经网络。

  数据挖掘的入门读物,适合新手开始全面地了解数据挖掘技术,形成整体的知识框架。整本书对数据挖掘做了全面地描述,从数据挖掘任务到数据处理、数据探索以及常用的算法模型(分类、聚类、关联规则),并在此基础之上,做了概率和统计的拓展。

  赢咖4

  当然,如果你想快速地了解机器学习、数据挖掘的知识体系,快速进入到实践,DC学院也有一门系统的机器学习课程。

相关推荐
  • 赢咖4机器学习系列(一)——机器学习简介
  • 赢咖4机器学习书籍选择?
  • 赢咖4娱乐机器学习
  • 赢咖4注册张小曳院士团队基于地面气象观测数据构建高性能机器学习模型
  • 赢咖4娱乐浅谈机器学习核心库应用领域与作用
  • 赢咖4灌水论文为何泛滥?Reddit小哥揭露机器学习领域残酷现状
  • 赢咖4注册美国开发新型无人机空战技术具有机器学习能力以及智能操作
  • 赢咖4注册人工智能43:因子观点融入机器学习
  • 赢咖4注册为了在AI和机器学习领域站稳脚跟你需要学习的五种语言
  • 赢咖4注册机器学习加持糖胺聚糖测序时间从数年缩短至几分钟
  • 脚注信息
    版权所有 Copyright(C)2020 星辉娱乐
    网站地图|xml地图|友情链接: 百度一下