黄安埠著2017 年出版340 页ISBN：9787121312700
本书介绍了深度学习相关的原理与应用，全书共分为三大部分，第一部分主要回顾了深度学习的发展历史，以及Theano的使用；第二部分详细讲解了与深度学习相关的基础知识，包括线性代数、概率论、概率图模型、机器学习和...
王晓华著2015 年出版176 页ISBN：9787302420422
本书分为12章，详细介绍Spark MLLib大数据处理和分析的方法和技巧。本书从Spark基础开始，依次介绍MLLib基础，MLLib中RDD详解，MLLib基本概念，协同，过滤算法，线性回归，分类，决策树与保序回归，聚类，关联规则，数据降维，特......
袁梅宇著2018 年出版295 页ISBN：9787302500148
本书主要介绍机器学习的基础算法，采用MATLAB编程实现各个算法。主要内容包括机器学习介绍、线性回归、逻辑回归、模型评估与选择、决策树、K-均值算法和EM、神经网络、K近邻和kd树、贝叶斯与文本分类、隐马...
罗伯托·巴蒂蒂（Roberto Battiti），毛罗·布鲁纳托（Mauro Brunato）2018 年出版272 页ISBN：9787115480293
本书是机器学习实战领域的一本佳作，从机器学习的基本概念讲起，旨在将初学者引入机器学习的大门，并走上实践的道路。本书通过讲解机器学习中的监督学习和无监督学习，并结合特征选择和排序、聚类方法、文本和网页...
阿培丁著2014 年出版338 页ISBN：9787111453772
本书对机器学习的定义和应用实例进行了介绍，涵盖了监督学习、贝叶斯决策理论、参数方法、多元方法、维度归约、聚类、非参数方法、决策树、线性判别式、多层感知器、局部模型、隐马尔可夫模型、分类算法评估...
（美）Matthew Kirk著；段菲译2015 年出版188 页ISBN：9787115396181
本书面技术开发人员、CTO和咨询顾问人员，介绍了机器学习的基本原理，涵盖了测试驱动的机器学习、机器学习概述、K近邻分类、朴素贝叶斯分类、隐马尔科夫模型、支持向量机、神经网络、聚类、核岭回归、模型改进...
吕晓玲，宋捷主编2019 年出版332 页ISBN：9787300264066
本课程的教学内容主要包括聚类、关联、降维、变量选择、分类与预测、集成算法、图模型与推荐系统等。每一部分都是本课程授课的主要内容，都力求深入浅出，精讲细讲，不光讲解各种方法的过程与原理，还要加强学生对...
吴建生，许桂秋主编2019 年出版170 页ISBN：9787115503527
本书系统地阐述了数据挖掘产生的背景、技术、多种相关方法及具体应用，主要内容包括数据挖掘概述，数据采集、集成与预处理技术，多维数据分析与组织，预测模型研究与应用，关联规则模型及应用，聚类分析方法与应用，......
美团算法团队著2018 年出版308 页ISBN：9787115484635
美团点评作为国内O2O领域领先的服务平台，结合自身的业务场景和数据，积极进行了人工智能领域的应用探索。在美团点评的搜索、推荐、计算广告、风控、图像处理等领域，相关的人工智能技术得到广泛的应用。本书包...
