这本书通过给出易作的实践指导、采用简单的例子、激励学生讨论有趣的应用问题,用一种易于理解的方式介绍了机器学习的基本思想。
本书主题包括贝叶斯分类器、近邻分类器、线性和多项式分类器、决策树、神经网络以及支持向量机。后面的章节展示了如何把这些简单工具通过“提升”(boosting)的方式结合起来,怎样将它们应用于更加复杂的领域,以及如何处理各种高级的实践问题。其中有一章介绍了广为人知的遗传算法。
作者简介
[美]米罗斯拉夫·库巴特美国迈阿密大学教授,从事机器学习教学和研究超过25年。他在两个方面的前沿研究上得到了广泛赞誉:时变概念的归纳学习和在非平衡训练集上的学习。此外,在多标签样例上的归纳学习、层次组织的类别上的归纳学习、遗传算法、神经网络的初始化等问题上,他也做出了很多贡献。