机器学习导论

张志红

   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。
  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。
      由于本书资料过大，故给出了百度网盘链接，大家自行下载。
$ i8 [& j( ^2 c/ }

4 Z  B; b7 r# E2 m3 |" B
8 `( Q, [0 `4 Q9 h# |; t% c2 g

8 f( h) E: g8 l  r% d