機器學習

　　湯姆·M·米切爾

　　從書本新聞。介紹性文本，介紹機器學習的主要方法和通過經(jīng)驗自動改進的計算機算法的研究。根據(jù)需要，引入統(tǒng)計學、人工智能、信息論和其他學科的基本概念，并均衡地覆蓋理論和實踐，并且提出它們的使用的主要算法。包括章節(jié)練習。多個算法的在線數(shù)據(jù)集和隱含在網(wǎng)站上可用。沒有人工智能或統(tǒng)計學的先驗背景。為計算機科學、工程、統(tǒng)計學、社會科學以及軟件專業(yè)人才的高級本科生和研究生。

　　圖書信息：介紹機器學習的核心算法和理論。討論諸如學習性能如何隨給出的示例數(shù)量而變化？以及哪種學習算法最不適合各種類型的學習任務(wù)？DLC：計算機算法。

　　本書描述：這本書涵蓋了機器學習的領(lǐng)域，它是對算法的研究，允許計算機程序通過經(jīng)驗自動改進。本書旨在支持大學學習的高級本科生和入門級研究生課程。

　　機器學習領(lǐng)域關(guān)注的是如何構(gòu)造具有自動改進經(jīng)驗的計算機程序。近年來，開發(fā)了許多成功的機器學習應(yīng)用，從學習檢測欺詐信用卡交易的數(shù)據(jù)挖掘程序，到學習用戶閱讀偏好的信息過濾系統(tǒng)，到學習在p.烏干達公路。同時，形成這一領(lǐng)域基礎(chǔ)的理論和算法也有了重要的進展。

　　目標。介紹了機器學習的核心算法和理論。機器學習借鑒了許多領(lǐng)域的概念和結(jié)果，包括統(tǒng)計學、人工智能、哲學、信息論、生物學、認知科學、計算復(fù)雜性和控制理論。我認為學習機器學習的最好方法就是從這些角度來看待機器學習，并理解問題設(shè)置、算法和假設(shè)。在過去，由于缺乏一個廣泛的單一來源介紹該領(lǐng)域，這一直是困難的。這本書的主要目的是提供這樣的介紹。

　　由于材料的跨學科性質(zhì)，這本書很少有關(guān)于讀者背景的假設(shè)。相反，它根據(jù)需要引入了統(tǒng)計學、人工智能、信息論和其他學科中的基本概念，只關(guān)注與機械學習最相關(guān)的那些概念。這本書是針對本科生和研究生領(lǐng)域，如計算機科學，工程，統(tǒng)計和社會科學，并作為軟件專業(yè)人員和實踐者的參考。指導本書寫作的兩條原則是，本科生應(yīng)該可以閱讀，并且它應(yīng)該包含我希望我自己的博士生開始他們的麥克倫學習博士研究之前學習的材料。

　　自從計算機被發(fā)明以來，我們就想知道它們是否可以被用來學習，如果我們能夠理解如何對它們進行編程，使它們學習——憑借經(jīng)驗自動改進——其影響將是巨大的。想象一下，計算機從病歷中學習哪些治療對于新疾病最有效，從經(jīng)驗中學習以基于其居住者的特定使用模式優(yōu)化能源成本的房屋，或者個人軟件助理學習用戶不斷發(fā)展的興趣。為了突出特別是相關(guān)的故事從網(wǎng)上媽媽報紙。成功理解計算機如何學習將打開計算機的許多新用途以及能力和定制的新水平。對用于機器學習的信息處理算法的詳細理解也可能導致對人類學習能力（和殘疾）的更好理解。

　　我們還不知道如何使計算機和人一樣地學習。然而，已經(jīng)發(fā)明了對某些類型的學習任務(wù)有效的算法，并且開始出現(xiàn)對學習的理論理解。許多實用的計算機程序已經(jīng)被開發(fā)出來以展示有用的學習類型，并且重要的商業(yè)應(yīng)用已經(jīng)開始應(yīng)用。對于諸如語音識別之類的問題，基于機器學習的算法優(yōu)于迄今為止已經(jīng)嘗試過的所有其他方法。在眾所周知的數(shù)據(jù)挖掘領(lǐng)域，機器學習算法正被廣泛地用于從包含設(shè)備維護記錄、貸款申請、金融交易、醫(yī)療記錄等的大型商業(yè)數(shù)據(jù)庫中發(fā)現(xiàn)有價值的知識。隨著我們對計算機的理解不斷成熟，機器學習將不可避免地在計算機科學和計算機技術(shù)中扮演越來越重要的角色。

?