机器学习算法与实践

内容简介

本书内容涵盖了监督学习、无监督学习和半监督学习的代表性算法，对算法的原理与思想、推导与证明、实现与应用中涉及的知识点进行了清晰透彻的阐述。全书由12章组成，主要内容包括机器学习概述、机器学习基本理论、K-近邻、贝叶斯、线性模型、支持向量机、决策树、集成学习、聚类算法、数据降维、半监督学习、神经网络等知识。章节依照算法类别及算法间逻辑关系进行编排，内容结构上条理清晰、由浅入深，并完整地对算法的编码实现进行了讲解，从编程角度展示算法细节，使读者可以更加深入透彻地理解算法原理、加深对算法的记忆，并能够针对自身需求对算法进行修改和扩展。为帮助读者充分了解和掌握每一章节基础理论知识，每章附有思维导图及习题。 本书适合作为高等院校数据科学与大数据技术、人工智能和计算机类专业的机器学习相关课程教材，也可供从事机器学习和数据挖掘相关研究及应用的工程技术人员和科研工作者参考。