机器学习基础: 面向预测数据分析的算法、实用范例与案例研究/(爱尔兰) 约翰·D.凯莱赫, 布莱恩·马克·纳米, 奥伊弗·达西, John D.Kelleher, Brian Mac Namee, Aoife D''Arcy, 顾卓尔
附件:设置1:设置2:纳米设置3:本书详细讨论了预测数据分析中最重要的机器学习方法, 涵盖基础理论和实际应用。在讨论了从数据到见解再到决策的过程之后, 本书描述了机器学习的四种方法: 基于信息的学习、基于相似性的学习、基于概率的学习和基于误差的学习。每种方法都是先对基本概念进行非技术性解释, 然后给出由详细工作实例加以说明的数学模型和算法。最后, 本书考虑了评估预测模型的技术, 并提供了两个案例研究, 展示了机器学习在商业环境中的应用。摘要:有书目 (第336-342页) 和索引
附注提要
本书详细讨论了预测数据分析中最重要的机器学习方法, 涵盖基础理论和实际应用。在讨论了从数据到见解再到决策的过程之后, 本书描述了机器学习的四种方法: 基于信息的学习、基于相似性的学习、基于概率的学习和基于误差的学习。每种方法都是先对基本概念进行非技术性解释, 然后给出由详细工作实例加以说明的数学模型和算法。最后, 本书考虑了评估预测模型的技术, 并提供了两个案例研究, 展示了机器学习在商业环境中的应用。