机器学习教程之机器学习的核心算法和理论电子教材免费下载

　　机器学习

　　汤姆·M·米切尔

　　从书本新闻。介绍性文本，介绍机器学习的主要方法和通过经验自动改进的计算机算法的研究。根据需要，引入统计学、人工智能、信息论和其他学科的基本概念，并均衡地覆盖理论和实践，并且提出它们的使用的主要算法。包括章节练习。多个算法的在线数据集和隐含在网站上可用。没有人工智能或统计学的先验背景。为计算机科学、工程、统计学、社会科学以及软件专业人才的高级本科生和研究生。

　　图书信息：介绍机器学习的核心算法和理论。讨论诸如学习性能如何随给出的示例数量而变化？以及哪种学习算法最不适合各种类型的学习任务？DLC：计算机算法。

　　本书描述：这本书涵盖了机器学习的领域，它是对算法的研究，允许计算机程序通过经验自动改进。本书旨在支持大学学习的高级本科生和入门级研究生课程。

　　机器学习领域关注的是如何构造具有自动改进经验的计算机程序。近年来，开发了许多成功的机器学习应用，从学习检测欺诈信用卡交易的数据挖掘程序，到学习用户阅读偏好的信息过滤系统，到学习在p.乌干达公路。同时，形成这一领域基础的理论和算法也有了重要的进展。

　　目标。介绍了机器学习的核心算法和理论。机器学习借鉴了许多领域的概念和结果，包括统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制理论。我认为学习机器学习的最好方法就是从这些角度来看待机器学习，并理解问题设置、算法和假设。在过去，由于缺乏一个广泛的单一来源介绍该领域，这一直是困难的。这本书的主要目的是提供这样的介绍。

　　由于材料的跨学科性质，这本书很少有关于读者背景的假设。相反，它根据需要引入了统计学、人工智能、信息论和其他学科中的基本概念，只关注与机械学习最相关的那些概念。这本书是针对本科生和研究生领域，如计算机科学，工程，统计和社会科学，并作为软件专业人员和实践者的参考。指导本书写作的两条原则是，本科生应该可以阅读，并且它应该包含我希望我自己的博士生开始他们的麦克伦学习博士研究之前学习的材料。

　　自从计算机被发明以来，我们就想知道它们是否可以被用来学习，如果我们能够理解如何对它们进行编程，使它们学习——凭借经验自动改进——其影响将是巨大的。想象一下，计算机从病历中学习哪些治疗对于新疾病最有效，从经验中学习以基于其居住者的特定使用模式优化能源成本的房屋，或者个人软件助理学习用户不断发展的兴趣。为了突出特别是相关的故事从网上妈妈报纸。成功理解计算机如何学习将打开计算机的许多新用途以及能力和定制的新水平。对用于机器学习的信息处理算法的详细理解也可能导致对人类学习能力（和残疾）的更好理解。

　　我们还不知道如何使计算机和人一样地学习。然而，已经发明了对某些类型的学习任务有效的算法，并且开始出现对学习的理论理解。许多实用的计算机程序已经被开发出来以展示有用的学习类型，并且重要的商业应用已经开始应用。对于诸如语音识别之类的问题，基于机器学习的算法优于迄今为止已经尝试过的所有其他方法。在众所周知的数据挖掘领域，机器学习算法正被广泛地用于从包含设备维护记录、贷款申请、金融交易、医疗记录等的大型商业数据库中发现有价值的知识。随着我们对计算机的理解不断成熟，机器学习将不可避免地在计算机科学和计算机技术中扮演越来越重要的角色。