简介
本教材的主要内容涵盖机器学习领域的主要模型和算法,包括监督学习的分类和回归模型与算法、非监督学习的聚类和降维算法、强化学习的主要算法、迁移学习的实例以及最新前沿的相关模型和算法的实践。本书以实验项目或案例为单元,每个单元有明确的实验目的、原理和实验步骤,包括基础验证性实验、综合设计性实验和系统开发项目实践。主要面向的读者对象是本科生和研究生。 本教材的主要内容涵盖机器学习领域的主要模型和算法,包括监督学习的分类和回归模型与算法、非监督学习的聚类和降维算法、强化学习的主要算法、迁移学习的实例以及最新前沿的相关模型和算法的实践。本书以实验项目或案例为单元,每个单元有明确的实验目的、原理和实验步骤,包括基础验证性实验、综合设计性实验和系统开发项目实践。主要面向的读者对象是本科生和研究生。
编辑推荐
本书有两大特色。一是注重实践,书中每个算法都包括算法原理、算法步骤、实战讲解和实验练习几部分,读者通过实战可以加深对算法的理解,提高应用算法来解决问题的能力。二是注重入门基础,本书逐一讲解模型评估、分类问题、回归问题、聚类问题、降维问题这几大类机器学习的基础算法,帮助读者筑牢机器学习的理论根基,此后遇到相关问题都可以通过这几类算法及其组合来解决。
更多出版物信息
- 版权: 清华大学出版社
- 出版: 2023-07-01
- 更新: 2023-12-15
- 书号:9787302627296
- 中图:TP181
- 学科:工学控制科学与工程工学计算机科学与技术交叉学科智能科学与技术