本书比较全面地介绍了机器学习理论,内容包括模型模型评估与选择、决策树、神经网络、支持向量机、贝叶斯分...
2016.
本书是最全面的机器学习教材之一,书中列举了大量精选的案例和插图解说,内容涵盖了逻辑、几何、统计模型和...
2015.11
本书每章都设计了案例研究,以机器学习算法为主线,结合实例探讨了Spark的实际应用。书中没有让人抓狂的数...
2015.9
R本身是一款十分优秀的数据分析和数据可视化软件。本书通过将实践案例与核心的理论知识相结合,提供了你开...
2015.1
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...
2015.8
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、...
2015.
本书是关于机器学习这一主题内容全面的教科书,涵盖了通常在机器学习导论中并不包括的广泛题材。对机器学习...
2015.11
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...
2015.
机器学习是人工智能领域中一个极其重要的研究方向。强化学习是机器学习中的一个重要分支。作为解决序贯优化...
2015.7
本书以综述的形式介绍机器学习领域的研究进展,内容涉及到稀疏学习、贝叶斯学习、演化学习、深度学习和半监...
2015.