机器学习方法

本书比较全面系统地介绍了机器学习的方法和技术。全书共分为13章，分别介绍了机器学习的基本概念、最近邻规则、贝叶斯学习、决策树、基于事例推理的学习、神经网络、支持向量机、遗传算法、集成学习、纠错输出编码、分布并行监督分类、聚类分析、强化学习。内容除了阐述经典的机器学习方法外，还详细论述了最近十几年来机器学习领域的新方法和作者近几年来在机器学习领域的研究成果。各章对原理的叙述力求概念清晰，表达准确，突出理论联系实际，富有启发性，易于理解。