机器学习(英文版)

2003-03  

机械工业出版社  

Tom M.Mitchell  

414  

曾华军  

无  

本书展示了机器学习中的核心算法和理论，并阐明了算法的过行过程。书中主要涵盖了目前机器学习中各种最实用的理论和算法，包括概念学习、决策树、神经网络、贝叶斯学习、基于实例的学习、遗传算法、规则学习、基于解释的学习和增强学习等。对每一个主题，作者不仅进行了十分详尽和直观的解释，还给出了实用的算法流程。本书被卡内基梅隆等许多大学作为机器学习课程的教材。机器学习这门学科研究的是能通过经验自动改进的计算机算法，其应用从数据挖掘程序到信息过滤系统，再到自动机工具，已经非常丰富。机器学习从很多学科吸收了成果和概念，包括人工智能、概论论与数理统计、哲学、信息论、生物学、认知科学和控制论等，并以此来理解问题的背景、算法和算法中的隐含假定。

Tom M.Mitchell是卡内基梅隆大学教授，目前担任该校自动学习和发现中心主任。他还是美国人工智能协会的主席，并且是《Machine Learning》杂志和国际机器学习会议的创办者。

1 Introduction
2 Concept Learning and the General-to-Specific Ordering
3 Decision Tree Learning
4 Artificial Neural Networks
5 Evaluating Hypotheses
6 Bayesian Learning
7 Computational Learning Theory
8 Instance-Based Learning
9 Genetic Algorithms
10 Learning Sets Rules
11 Analytical Learning
12 Combining Inductive and Analytical Learning
13 Reinforcement Learning
Appendix

无

机器学习(英文版) PDF格式下载

拿到书已经一星期了，草草把前7章看完，下面谈一下自己的感受：首先，书比较通俗易懂，不需要什么高深的数学知识，有一定概率统计的基础就行了。同时，对于计算机科学方面，也不需要太专的算法分析基础，这本书几乎没什么复杂度分析（这个是问题）。其次，每一章的内容很浅，自学起来比较容易。比方说神经网络和决策树这两章，只是简单介绍了下概念和基本算法，我看过专门介绍神经网络的书，全是矩阵运算，比这本书复杂多了。最后，以综合方法，理论框架为主。这本书的最大特色是建立了一个机器学习的理论框架，不像那本《集体智慧》的书尽介绍实现细节，这本书不但会告诉你做什么，还要告诉你为什么这么做，甚至怎么评价。细读书本，你会发现作者会反复的重复这一框架的。总之，这是一本非常不错的书。

很不错！！！1

书还不错，就是字有点大了