数据流机器学习 MOA实例

机器学习

本书比较全面地介绍了机器学习理论，内容包括模型模型评估与选择、决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与距离学习、特征选择、计算学习理论、半监督学习、概率图模型、规则学...

机器学习的哲学探索

本书主要是通过分析机器学习的研究前沿及其两大核心问题——“机器学习的可能实现路径”和“机器学习的发现功能”把这些问题展开讨论。

PYTHON机器学习 预测分析核心算法

图解机器学习

本书用丰富的图示，以最小二乘法为基础，详细讲解了处理回归问题的各种监督学习算法、处理分类问题的各种模式识别算法，以及无监督学习算法。同时配有MATLAB的示例代码，让读者可以轻松实践。本书适合机器学习初学...

机器人Python极客编程入门与实战

本书首先通过介绍Python的简单入门案例，让读者了解和熟悉Python的基础语法结构，以及Pandas等绘图风格。通过对MicroPython和PyBox、PyMini等软件、硬件平台的介绍，以及大量精心挑选的简单有趣、实用性强的实际...

基于再生核的机器学习方法

机器学习导论

机器学习及其在统计学、模式识别、神经网络、人工智能、信号处理、控制和数据挖掘等不同领域的应用。可作为高等院校计算机相关专业高年级本科生和研究生的教材，也可供研究机器学习方法的技术人员参考。...

机器学习 实现人工智能的途径

机器学习及应用

本书详细地介绍了机器学习的基本原理，并采用“原理简述+问题实例+实际代码+运行效果”的模式介绍常用算法，。全书共分11章，主要包括决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维等内容...