作者： 王成 黄晓辉

出版社：清华大学出版社

出版年：2022.7

ISBN：9787302592846

作品简介：

本书系统地阐述机器学习中常见的几类算法模型,包括模型的思想,原理及实现细节等。同时,本书还结合了当前热门的机器学习框架sklearn,对书中所涉及的模型在用法上进行详细讲解。

全书共10章：

第1章介绍机器学习开发环境的配置；

第2章讲解线性回归模型的基本原理、回归模型中常见的几种评价指标,以及用于有监督模型训练的梯度下降算法；

第3章介绍逻辑回归模型的基本原理和分类模型中常见的几种评价指标；

第4章介绍模型的改善与泛化,包括特征标准化,如何避免过拟合及如何进行模型选择等；

第5章讲解K近邻分类算法的基本原理及kd树的构造与搜索；

第6章介绍朴素贝叶斯算法的基本原理；

第7章介绍几种常见的文本特征提取与模型复用,包括词袋模型和TF-IDF等；

第8章讲解决策树与集成学习,包括几种经典的决策树生成算法和集成模型；

第9章介绍支持向量机的基本原理与求解过程；

第10章介绍几种经典的聚类算法及相应的评价指标计算方法。

本书包含大量的代码示例及实际案例介绍,可以作为计算机相关专业学生入门机器学习的读物,也可以作为非计算机专业及培训机构的参考用书。

作者简介：

王成

华东交通大学计算机应用技术硕士毕业，机器学习领域CSDN与知乎专栏常驻作者。

黄晓辉

哈尔滨工业大学计算机科学与技术博士毕业，华东交通大学信息工程学院副教授，南洋理工大学计算机科学与工程学院访问学者。长期从事深度学习、机器学习相关领域的研究工作，主持过多项国家级和省级课题，并获得过多项研究专利。