机器学习理论与算法

《机器学习理论与算法》是一本基于数据集机器学习领域的综述类的专著，系统地阐述了近年来机器学习理论和方法的研究成果及其新的研究进展，本书介绍了机器学习中的主要理论和相应算法，描述了算法产生的原因、成功应用的场合及基本的原理，并且还分析了该理论与方法的缺陷和现有的改进之处。内容主要包括统计学习理论与算法、构造型机器学习理论与覆盖算法、集成学习方法与弱可学习理论、决策树与贝叶斯网络等方面，并深入探讨了数据流的概念获取与增量学习、遗传学习及机器学习在生物信息等方面的应用。本书通过丰富的文献资料和研究工作，对机器学习研究的已有成果及当前的最新进展做出回顾与分析，富有启发性，易于理解，对学术研究有重要的参考价值。