📚 网上馆配 · 在线荐购平台

内容简介：本书共12章, 内容涵盖基础理论、算法、模型评估、编程实践等多个方面, 大体上可以分为以下3个部分。第1部分 (包括第1、2章): 介绍了机器学习的背景与基础知识; 第2部分 (包括第38章): 详细讨论了几种常用的传统机器学习算法, 包括回归算法、决策树算法、支持向量机算法、贝叶斯算法、集成学习算法、聚类算法, 还介绍了这些算法的应用; 第3部分 (包括第912章): 深入探讨了神经网络与强化学习的相关概念及应用, 包含神经网络、深度学习、卷积神经网络、循环神经网络与强化学习。