机器学习：算法背后的理论与优化
史春奇、卜晶祎、施智平
以机器学习为核心的人工智能已经成为新一代生产力发展的主要驱动因素。新的技术正在向各行各业 渗透，大有变革各个领域的趋势。传统产业向智慧产业的升级迫使原行业从业人员逐渐转型，市场上对相 关学习材料的需求也日益高涨。帮助广大学习者更好地理解和掌握机器学习，是编写本书的目的。 本书针对机器学习领域中最常见的一类问题——有监督学习，从入门、进阶、深化三个层面由浅入深 地进行了讲解。三个层面包括基础入门算法、核心理论及理论背后的数学优化。入门部分用以逻辑回归为 代表的广义线性模型为出发点，引入书中所有涉及的知识点；进阶部分的核心理论涵盖了经验风险最小、 结构风险最小、正则化及统一的分类边界理论；深化部分的数学优化则主要包括最大熵原理、拉格朗日对 偶等理论在数学上的推导，以及对模型求解的主流最优化方法的探讨等。 本书由浅入深，从个别到普便，从自然算法到优化算法，从各个角度深入剖析了机器学习，力求帮助 读者循序渐进地掌握机器学习的概念、算法和优化理论。
￥45.54
强化学习
柯良军、王小强
本书介绍了强化学习原理、算法及其实现。内容涉及基于模型的强化学习、基于采样—估计的强化学习、基于逼近理论的强化学习以及深度强化学习等。对书中重要的公式和算法提供了详实的实例和分析。
￥44.85
更多精彩专题
