機器學習的算法分析和實踐

　　本書是一本全面介紹機器學習方法特別是算法的新書，適合初學者和有一定基礎(chǔ)的讀者。 機器學習可以分成三大類別，監(jiān)督式學習、非監(jiān)督式學習和強化學習。三大類別背后的算法也各有不同。監(jiān)督式學習使用了數(shù)學分析中函數(shù)逼近方法、概率統(tǒng)計中的極大似然方法。非監(jiān)督式學習使用了聚類和貝葉斯算法。強化學習使用了馬爾可夫決策過程算法。 機器學習背后的數(shù)學部分來自概率、統(tǒng)計、數(shù)學分析以及線性代數(shù)等領(lǐng)域。雖然用到的數(shù)學較多，但是最快捷的辦法還是帶著機器學習的具體問題來掌握背后的數(shù)學原理。因為線性代數(shù)和概率理論使用較多，本書在最后兩章集中把重要的一些概率論和線性代數(shù)的內(nèi)容加以介紹，如果有需要的同學可以參考。另外，學習任何知識，動手練習加深理解的**方法，所以本書的每一章都配備了習題供大家實踐和練習。

暫缺《機器學習的算法分析和實踐》作者簡介