主要框架

第一部分：绪论（什么是机器学习、学习模型）第二部分：有监督回归（最小二乘学习法、带有约束条件的最小二乘法、稀疏学习、鲁棒学习）第三部分：有监督分类（基于最小二乘法的分类、支持向量机分类、集成分类、概率分类法、序列数据的分类）第四部分：无监督学习（异常检测、无监督降维 、聚类）第五部分：新兴机器学习算法（在线学习、半监督学习、监督降维、迁移学习、多任务学习）

(资料图)

作者介绍

衫山将。东京工业大学计算机工程学博士毕业，现为东京大学教授、日本国立信息学研究所客座教授。主要从事机器学习的理论研究和算法开发，以及在信号和图像处理等方面的应用。2011年获日本信息处理学会长尾真纪念特别奖。著有《统计机器学习》、Density Ratio Estimation in Machine Learning等。同时也是Pattern Recognition and Machine Learning日文版的译者之一。

译者介绍

许永伟。赴东京大学攻读博士学位，现于东京大学空间信息科学研究所从事博士后研究（特任研究员）。主要研究方向为模式识别与机器学习、图像处理与计算机视觉，对数据挖掘、大数据和信息架构有浓厚兴趣。

书友推荐

感悟——全书没有大篇幅理论介绍和复杂的数学公式推导。通过浅显易懂的图示、直观的流程图及生活息息相关的实例应用让读者轻松学习和掌握机器学习知识，从而明白机器学习是如何影响和改变人类生活的。

图书风格

教材书籍。适合作为人工智能技术应用者及高职高专院校理工科、本科院校非理工科专业学生的教材 

可直接扫码