机器学习基础/(美) 梅尔亚·莫里, 阿夫欣·罗斯塔米扎达尔, 阿米特·塔尔沃卡尔, Mehryar Mohri, Afshin Rostamizadeh, Ameet Talwalkar, 张文生
附件:设置1:设置2:罗斯塔米扎达尔设置3:本书从概率近似正确 (PAC) 理论出发探讨机器学习的基础理论与典型算法, 包括PAC学习框架、VC-维、支持向量机、核方法、在线学习、多分类、排序、回归、降维、强化学习等丰富的内容。此外, 附录部分简要回顾了与机器学习密切相关的概率论、凸优化、矩阵以及范数等必要的预备知识。本书重在介绍典型算法的理论支撑并指出算法在实际应用中的关键点, 注重理论细节与证明过程摘要:有书目 (第274-288页)
附注提要
本书从概率近似正确 (PAC) 理论出发探讨机器学习的基础理论与典型算法, 包括PAC学习框架、VC-维、支持向量机、核方法、在线学习、多分类、排序、回归、降维、强化学习等丰富的内容。此外, 附录部分简要回顾了与机器学习密切相关的概率论、凸优化、矩阵以及范数等必要的预备知识。本书重在介绍典型算法的理论支撑并指出算法在实际应用中的关键点, 注重理论细节与证明过程