机器学习

出版时间：2008-3  出版社：机械工业出版社  作者：(美)Tom Mitchell  页数：282  译者：曾华军,张银奎  
Tag标签：无  

内容概要

本书展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。本书综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题的背景、算法和其中的隐含假定。本书可作为计算机专业 本科生、研究生教材，也可作为相关领域研究人员、教师的参考书。

作者简介

Tom M.Mitchell，是卡内基梅隆大学的教授，讲授“机器学习”等多门课程；美国人工智能协会（AAAL）的主席；美国《Machine Learning》杂志、国际机器学习年度会议（ICML）的创始人；多种技术杂志的撰稿人，曾发表过许多文章，出版过多本专著，是机器学习领域的著名学者。

书籍目录

出版者的话专家指导委员会译者序前言第1章  引言  1.1　学习问题的标准描述  1.2　设计一个学习系统    1.2.1  选择训练经验    1.2.2  选择目标函数    1.2.3　选择目标函数的表示    1.2.4　选择函数逼近算法    1.2.5　最终设计  1.3　机器学习的一些观点和问题  1.4　如何阅读本书  1.5　小结和补充读物  习题第2章  概念学习和一般到特殊序  2.1　简介  2.2　概念学习任务    2.2.1　术语定义    2.2.2　归纳学习假设  2.3　作为搜索的概念学习  2.4　FIND-S：寻找极大特殊假设  2.5　变型空间和候选消除算法    2.5.1　表示    2.5.2  列表后消除算法    2.5.3　变型空间的更简洁表示    2.5.4　候选消除学习算法    2.5.5　算法的举例  2.6　关于变型空间和候选消除的说明    2.6.1　候选消除算法是否会收敛到正确的假设    2.6.2  下一步需要什么样的训练样例    2.6.3　怎样使用不完全学习概念  2.7　归纳偏置    2.7.1　一个有偏的假设空间    2.7.2　无偏的学习器    2.7.3　无偏学习的无用性  2.8　小结和补充读物  习题第3章　决策树学习  3.1  简介  3.2　决策树表示法  3.3　决策树学习的适用问题  3.4　基本的决策树学习算法    3.4.1　哪个属性是最佳的分类属性    3.4.2　举例  3.5　决策树学习中的假设空间搜索  3.6　决策树学习的归纳偏置    3.6.1　限定偏置和优选偏置    3.6.2　为什么短的假设优先  3.7　决策树学习的常见问题    3.7.1　避免过度拟合数据    3.7.2  合并连续值属性    3.7.3　属性选择的其他度量标准    3.7.4　处理缺少属性值的训练样例    3.7.5　处理不同代价的属性  3.8　小结和补充读物  习题第4章  人工神经网络  4.1　简介  4.2　神经网络表示  4.3　适合神经网络学习的问题  4.4　感知器    4.4.1　感知器的表征能力    4.4.2　感知器训练法则    4.4.3  梯度下降和delta法则    4.4.4　小结　　……第5章　评估假设第6章　贝叶斯学习第7章　计算学习理论第8章　基于实例的学习第9章　遗传算法第10章　学习规则集合第11章　分析这习第12章　归纳和分析学习的结合第13章　增强学习

章节摘录

第1章　引言自从计算机问世以来，人们就想知道它们能不能自我学习。如果我们理解了计算机学习的内在机制，即怎样使它们根据经验来自动提高，那么影响将是空前的。想像一下，在未来，计算机能从医疗记录中学习，获取治疗新疾病最有效的方法；住宅管理系统分析住户的用电模式，以降低能源消耗；个人软件助理跟踪用户的兴趣，并为其选择最感兴趣的在线早间新闻。对计算机学习的成功理解将开辟出许多全新的应用领域，并使其计算能力和可定制性上升到新的层次。同时，透彻理解机器学习的信息处理算法，也会有助于更好地理解人类的学习能力（及缺陷）。 目前，我们还不知道怎样使计算机具备和人类一样强大的学习能力。然而，一些针对特定学习任务的算法已经产生。关于学习的理论认识已开始逐步形成。人们开发出很多实践性的计算机程序来实现不同类型的学习，一些商业化的应用也已经出现。例如，对于语音识别这样的课题，迄今为止，基于机器学习的算法明显胜过其他的方法。在数据挖掘领域，机器学习算法理所当然地得到应用，从包含设备维护记录、借贷申请、金融交易、医疗记录等信息的大型数据库中发现有价值的信息。随着对计算机认识的日益成熟，机器学习必将在计算机科学和技术中扮演越来越重要的角色！我们可以通过一些专项成果看到机器学习这门技术的现状：计算机已经能够成功地识别人类的讲话（Waibel 1989，Lee l989）；预测肺炎患者的康复率（Cooper et al．1997）；检测信用卡的欺诈；在高速公路上自动驾驶汽车(Pomerleau 1989)；以接近人类世界冠军的水平对弈西洋双陆棋（Tesauro 1992，1995）。……

用户评论 (总计129条)

•   对于机器学习而言，该书可以用言简意赅来描述，其中人工神经网络、贝叶斯学习以及遗传算法都是比较常见的方法，初次之外该书的好多算法都有详细描述其过程，编程时可以作为参考，使思路清晰。
•   这本书是机器学习方面很经典一本教材，详细介绍了机器学习的各个方面，机器学习的十大经典算法
•   对了解机器学习相关的概念和算法很有帮助，值得好好看看
•   确实入门经典，从一个案例和需求逐渐分析，如何才能达到要求。书中主要讲述算法思路，如果想明白怎么去实现，最好去买一本实践性强的书。机器学习实战还行，就是翻译的水平真心不高，诶
•   从机器学习的角度梳理了一遍相关的方法， 大部分是人工智能的题目
•   不错，要好好看，机器学习和算法是必不可少的。。
•   一般大学的研究生课程-机器学习，都会选用此书作为教材，像上海交通大学。本书适合入门，若想深入学习，还需多读一些相关方面的paper（外国的）。
•   决战大数据时代，机器学习的指定教材，比较经典!
•   经典教材，覆盖了机器学习领域主要的研究方向
•   这本书不错，是对机器学习里面的很多问题进行了讨论，而且是以专题形式进行，较有理论深度，是机器学习研究者必读的材料之一。
•   很经典的书籍，结合本人正在学习的人工神经网络以及模式识别，内容通俗易懂，深入浅出，给出了很多经典算法的案例。
•   机器学习的经典书，已经读了一大半。。写的很有逻辑，比较好理解。。
•   这本机器学习内容很经典，但是要先看机器学习导论才可以，这本书是在基础上的一个提高，写得很精彩！
•   机器学习理论不错的书籍。。
•   不错，比较系统的讲述了机器智能
•   以后的机器学习就靠他了，这本书的质量很高，打印很清晰，赞
•   机器学习课用，挺朴实的一本书，容易懂。
•   包装不错，没有缺损。刚开始学机器学习，这本书听说用于入门不错。
•   机器学习很浅显，容易读懂。模式识别也不错。
•   机器学习方面的经典外国教材。
•   机器学习的经典教材了
•   挺好的机器学习教材
•   还在看，自学的，对机器学习很感兴趣，推荐
•   经典书籍，机器学习必备良书。
•   机器学习的经典之作。
•   机器学习，总体不错，内容较基础。
•   虽然有些内容已显陈旧，但却为机器学习不可多得的经典
•   大家都在讨论机器学习，自己不会，买本经典书籍，学习
•   机器学习的经典之作，非常好的书
•   这是机器学习的教科书，没得说啦~~~~希望这个学期自己按下心来学习
•   书不错，刚看了一点~~~事模式识别机器学习方面的入门书籍~~~
•   机器学习经典书，不用说了，顺便赞下当当的送货速度...
•   机器学习经典书籍，力荐。
•   简单的介绍了机器学习
•   上web数据挖掘，老师推荐买的。这本书国外的经典教材，里面介绍了不少算法。有的偏难，但值得研究。还没细读，准备好好研究
•   学习机器学习的必备教材，书中内容以及算法介绍的都比较详细，值得好好看一看
•   内容相对简单，阅读容易，不需要很强的数学基础。
  书中的算法都是较老的算法，不是该领域较新的研究内容。
  一句话，适合入门。
•   这本书讲述的相对更具体，侧重系统内部细节的原理，适合做算法的人看。
•   本书很不错，尤其是对人工智能方面的程序设计等很有帮助
•   入门的好书，书中所讲的算法都比较的经典。
•   很喜欢里面的算法 讲得很详细
•   人工智能的发展会导致审判日会提前到来，很好
•   经典。讲了概念、决策树、神经网络和贝叶斯学习、分析学习等多种学习理论。在描述上，有数学的论证以及图表的说明，很清晰合理。只是对阅读者的数学、计算机科学的基础有一定要求。
•   这本书很经典,内容全面,在同类研究中应属权威.值得学习,参考.这下要认真读了.....
•   研究生学习的教材，没怎么看，更多地是看英文版去了。。
•   这本书不错，是极其学习方面的经典，值得学习。正在看中
•   当入门教材看的，还在学习中
•   学习中，经典教材！
•   这本书是外国学者编著的，适合做专业研究使用
•   书内容还可以，正在学习中！
•   IT技术人员值得一读，比较不错
•   正要学习机器学习，入门知识， 不错
•   通俗易懂 适合入门学习
•   学习看看。
•   可能有些难，慢慢学习
•   书比较薄,但是内容比较全,有些地方还不够细致,要深入学习,需要参考其他书
•   讲的很详细，学习。。。。。。。。。。
•   比较权威的书，值得学习
•   大师经典之作值得购买，学习。顶
•   初级学习入门适用
•   这书很不错，质量很好。刚刚学习机器学习，老师给我推荐的就是这本。
  就是太难了，看不懂 呵呵
•   对数学要求较高，好好学习，天天向上。
•   计算机专业必备
•   IT技术人员的手头大部书。不错！
•   给本科生上课用的参考书，还不错。
•   我弟弟要的，他学计算机有用
•   初涉该领域，研读中
•   不过里面的内容还没有深入的研究，相信这么多年的经典教材应该还是很值得的
•   刚拿到书，比我想象的要薄。不过确实是经典，建议再找些国内的相关教材配合读
•   入门的好书，起码能够对这个领域有一些了解
•   刚买了，细细研究。
•   不错，很有科学意义
•   很多地方都有用到这个技术。。
•   书很薄，主要是把知识结构给搭起来，建议每个具体问题再找专门的资料扩展阅读
•   值得买的一本书~~~崭新的正版书看起来贼好~
•   这本书帮同事买的，他说很好。
•   很好的一本书，非常适合初学者入门使用
•   很薄的一本书,很快就看完了.后面看了作者对毛腊肉的点评,觉得很恶心.
•   很好的一本书，写的内容挺全面的，里面的公式没有推论，需要自己来弄，可以先粗看有个了解再慢慢仔细看~
•   很好的一本书，现在急需学习机器语言
•   两本书都不错，质量满好的，上课用的，还没看
•   师兄推荐的这本书，翻一翻感觉还不错，能全部学进脑里就好了。。
•   很老的一本书，但是这类书太少了。
•   果壳网那里看到有人介绍，然后就买了。这本书深入浅出，非常不错。不难懂。
•   此书是我在网上找到的一份价格比较便宜，类容挺不错的一本书！
•   很好的一本书，很基础，适合入门看
•   这本书的质量还是不错的，值得肯定！
•   在购买的时候，也上**亚马逊搜索了一番，发现居然没有这本书，但是很幸运的在当当网找到了，因此，当当网给本人留下了好印象，我想，当当网也是很努力的吧！以后会继续支持！
•   很好的一本书，经典的人写出的经典的书。
•   CMU的教授出品绝对不会差的～
•   不得不读的一本好书。
•   看起来很高深，但愿我能读懂
•   刚买，还没读，看上去不错
•   需要沉下心，多读几遍，好书
•   讲解全面，形象，适合打基础。读完之后，可以对你感兴趣的方向在深入
•   很专业的的书。
•   深入浅出，启发性强，经典之作。这是我看得比较爽的几本国外的专业书之一。
•   经典教材，值得仔细阅读。
•   经典教材，真不错！
•   上课的教材，看着还可以