寫給IT工程師看的機器學習入門書
緊緊圍繞“機器學習的商業應用”這個主題,從數學原理上解釋機器學習的一些基礎算法,如*小二乘法、*優推斷法、感知器、Logistic回歸、K均值算法、EM算法、貝葉斯推斷等。
幫助讀者理解機器學習的本質,著眼於教會讀者使用什麼樣的思維方式,以及如何進行計算,為讀者探索更加復雜的深度學習領域或神經網絡算法打下堅實的基礎。
第 1章 數據科學和機器學習
第 2章 *小二乘法:機器學習理論第一步
第3章 *優推斷法:使用概率的推斷理論
第4章 感知器:分類算法的基礎
第5章 Logistic回歸和ROC曲線:學習模型的評價方法
第6章 K均值算法:無監督學習模型的基礎
第7章 EM算法:基於*優推斷法的監督學習
第8章 貝葉斯推斷:以數據為基礎提高置信度的手法