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。
( Z; q& s5 N" m2 X. J( N      由于本书资料过大，故给出了百度网盘链接，大家自行下载。


; x$ O6 v/ j# u& {: D# r/ H

) f9 I: _: b4 B; ~4 v2 m