本书讨论了机器学习在统计学、模式识别、神经网络、人工智能、信号处理等不同领域的应用,其中涵盖了监督学习、贝叶斯决策理论、参数方法、多元方法、多层感知器、局部模型、隐马尔可夫模型、分类算法评估和比较以及增强学习。 7 \0 a; @6 l3 O, B0 I. D0 s7 X 本书可供完成计算机程序设计、概率论、微积分和线性代数课程的高年级本科生和研究生使用,也可供对机器学习感兴趣的工程技术人员参考。2 `, g$ v1 }4 k
由于本书资料过大,故给出了百度网盘链接,大家自行下载。( l' L, x3 R6 Y8 o/ k
4 U: ], m5 q9 s. {: I, c" c