（英）尼格尔·刘易斯著；高蓉，李茂译2018 年出版144 页ISBN：9787115478177
本书通过对R语言的讲解，帮助读者构建机器学习的模型，同时了解一系列与数据科学相关的理论，以及如何利用R语言开展研究。本书对读者的技术背景不做任何要求，专为那些希望构建使用的数据模型的读者，以及想要掌握高...
王雪松，程玉虎著2009 年出版177 页ISBN：9787030254399
本书主要围绕基于神经网络的学习、强化学习和进化学习3个方面阐述机器学习理论、方法及其应用，共3部分13章。第一部分是神经网络学习及其在复杂非线性系统中的控制，第二部分是强化学习的大规模或连续空间表示...
（新西兰）史蒂芬·马斯兰（Stephen Marsland）著2019 年出版302 页ISBN：9787111622260
本书的核心视角是机器学习中的算法，旨在帮助读者掌握算法思想，熟悉相关的数学与统计学知识，并掌握必要的编程技巧和实验方法。书中首先介绍基础概念，然后从相对简单的监督学习方法开始讲解，同时讨论了优化和搜索...
于剑著2017 年出版231 页ISBN：9787302471363
机器学习的主要目的是从有限的数据中学习到知识。而知识的基本单元是概念。借助于概念，人类可以在繁复的思想与多彩的世界之间建立起映射，指认各种对象，发现各种规律，表达各种想法，交流各种观念。一旦缺失相应的...
刘铁岩等著2018 年出版264 页ISBN：9787111609186
本书的目的是向读者全面展示分布式机器学习的现状，深入分析其中的核心技术问题，并且讨论该领域未来发展的方向。本书既可以作为研究生从事分布式机器学习方向研究的参考文献，也可以作为人工智能从业者进行算法...
胡欢武编著2019 年出版366 页ISBN：9787121355219
本书介绍了机器学习的完整学习路径，系统性挖掘了各大机器学习模型之间的联系和本质意义，结合Python常见库和数据库等实际工具讲解机器学习项目中的各个过程，最终解机器学习求职过程、注意事项，以及企业机器学习...
蒋艳凰，赵强利编著2009 年出版282 页ISBN：9787121090059
本书比较全面系统地介绍了机器学习的方法和技术。全书共分为13章，分别介绍了机器学习的基本概念、最近邻规则、贝叶斯学习、决策树、基于事例推理的学习、神经网络、支持向量机、遗传算法、集成学习、纠错输...
Scott V. Burger著2018 年出版219 页ISBN：9787519825850
本书主要内容有：介绍机器学习领域的模型、算法和数据训练。了解监督和非监督机器学习算法。针对模型使用的数据进行统计验证。深入了解商业和科学中使用的线性回归模型。使用单层和多层神经网络计算结果。介...
（美）加文·海克（Gavin Hackeling）著2019 年出版199 页ISBN：9787115503404
本书内容共计14章，分别从机器学习基础、简单线性回归、基于K临近法的分类和回归分析、特征提取和预处理、简单回归和多重回归、线性回归和逻辑回归、朴素贝叶斯、决策树的非线性分类和回归、决策树、随机森...
Ian H.Witten，Eibe Frank2005 年出版370 页ISBN：7111127692
本书介绍了数据挖掘的主要概念和数据挖掘的常用技术。
