机器学习

第1章 绪论
1．1 引言
1．2 基本术语
1．3 假设空间
1．4 归纳偏好
1．5 发展历程
1．6 应用现状
1．7 阅读材料
习题
参考文献
休息一会儿

第2章 模型评估与选择
2．1 经验误差与过拟合
2．2 评估方法
2．3 性能度量
2．4 比较检验
2．5 偏差与方差
2．6 阅读材料
习题
参考文献
休息一会儿

第3章 线性模型
3．1 基本形式
3．2 线性回归
3．3 对数几率回归
3．4 线性判别分析
3．5 多分类学习
3．6 类别不平衡问题
3．7 阅读材料
习题
参考文献
休息一会儿

第4章 决策树
4．1 基本流程
4．2 划分选择
4．3 剪枝处理
4．4 连续与缺失值
4．5 多变量决策树
4．6 阅读材料
习题
参考文献
休息一会儿

第5章 神经网络
5．1 神经元模型
5．2 感知机与多层网络
5．3 误差逆传播算法
5．4 全局*小与局部极小
5．5 其他常见神经网络
5．6 深度学习
5．7 阅读材料
习题
参考文献
休息一会儿

第6章 支持向量机
6．1 间隔与支持向量
6．2 对偶问题
6．3 核函数
6．4 软间隔与正则化
6．5 支持向量回归
……
第7章 贝叶斯分类器
第8章 集成学习
第9章 聚类
第10章 降维与度量学习
第11章 特征选择与稀疏学习
第12章 计算学习理论
第13章 半监督学习
第14章 概率图模型
第15章 规则学习
第16章 强化学习
附录
后记
索引