胡欢武编著2019 年出版366 页ISBN：9787121355219
本书介绍了机器学习的完整学习路径，系统性挖掘了各大机器学习模型之间的联系和本质意义，结合Python常见库和数据库等实际工具讲解机器学习项目中的各个过程，最终解机器学习求职过程、注意事项，以及企业机器学习...
蒋艳凰，赵强利编著2009 年出版282 页ISBN：9787121090059
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...
Scott V. Burger著2018 年出版219 页ISBN：9787519825850
本书主要内容有：介绍机器学习领域的模型、算法和数据训练。了解监督和非监督机器学习算法。针对模型使用的数据进行统计验证。深入了解商业和科学中使用的线性回归模型。使用单层和多层神经网络计算结果。介...
（美）加文·海克（Gavin Hackeling）著2019 年出版199 页ISBN：9787115503404
本书内容共计14章，分别从机器学习基础、简单线性回归、基于K临近法的分类和回归分析、特征提取和预处理、简单回归和多重回归、线性回归和逻辑回归、朴素贝叶斯、决策树的非线性分类和回归、决策树、随机森...
Ian H.Witten，Eibe Frank2005 年出版370 页ISBN：7111127692
本书介绍了数据挖掘的主要概念和数据挖掘的常用技术。
（英）罗杰斯，（英）吉罗拉米著；郭茂祖等译2014 年出版192 页ISBN：9787111407027
本书介绍支撑机器学习技术及应用的主要算法，重点讲述理解一些最主流的机器学习算法所需的核心数学和统计知识，在书中介绍的算法遍及机器学习的主要问题域：分类、聚类和投影。由于是机器学习基础课程的教材，所以...
张宝昌，杨万扣，林娜娜编著2016 年出版109 页ISBN：9787302428114
本书分为基础篇和高级篇。基础篇介绍机器学习的主要原理和方法、以及最近几年来的最新进展，包括机器学习的发展史、决策树学习、PAC模型、贝叶斯学习、支持向量机、AdaBoost、压缩感知、子空间、深度学习与...
王雪迎著2019 年出版342 页ISBN：9787302518945
本书从MADlib的基本概念入手，首先介绍MADlib的架构、支持的模型类型与功能，然后详细解析MADlib各种模型的具体用法。其中包括数据类型、矩阵分解、数据转换、数据统计、主成分分析、有监督学习、无监督学习、...
（新西兰）伊恩H.威腾，（新西兰）埃贝·弗兰克，（新西兰）马克A.霍尔等著2017 年出版622 页ISBN：7111565277
谢剑斌，兴军亮，张立宁，方宇强，李沛秦，刘通，闫玮，王勇，沈杰，张政，谭筠，胡俊编著2015 年出版239 页ISBN：9787302397922
本书详尽地介绍了K-Means、KNN学习、回归学习、决策树学习、andom Forest、贝叶斯学习、EM方法、AdaBoost、SVM方法、增强学习、流形学习、RBF学习、稀疏表示、字典学习、BP学习、CNN学习、RBM学习、深度学...
