本书介绍

本书通过提供实用建议、简洁明了的例子以及对相关算法进行有趣讨论的方式，以易于理解的语言介绍了基础的机器学习算法和模型。主要涵盖的主题包括贝叶斯分类器、最近邻分类器、线性和多项式分类器、决策树、神经网络和支持向量机等常用的机器学习模型。后续章节则重点讲解如何通过增强的方式将这些简单的模型结合起来，如何在更复杂的领域中应用它们，以及如何解决各种高级问题。书中还有一章专门介绍流行的遗传算法。

本书新增内容

此修订版新增了三个关键章节，探讨了机器学习在工业中的实际应用。这些章节讨论了多标签分类、无监督学习及其在深度学习中的应用，以及归纳法和归纳逻辑编程方法。此外，许多章节的内容得到了扩展，并增加了丰富的展示材料。本书还包含大量新练习、已解决的例子、启发性的实验以及用于计算机联系的独立任务。

好书推荐

本书目录

下载链接

本书最新PDF版本可以免费下载，请访问个人主页并私信，回复关键字“nml20”获取下载地址。

往期精选内容推荐

自然语言处理中的数据增强技术

自然语言处理领域内，数据增强技术是最全面的技术之一。本文详细总结了各种数据增强技术及其应用场景。

神经网络视频/图像渲染相关经典论文、项目和数据集资源整理

本部分汇总了神经网络在视频和图像渲染方面的经典研究文献、项目和数据集资源，方便读者查阅。

Torch实战教程

提供免费课程视频和PPT，帮助读者掌握Torch框架的应用技巧。

2020年免费书籍 - 《自然语言处理中词向量表示算法概述》

分享一本关于自然语言处理中词向量表示算法的概览书籍。

MIT新课 - 《深度学习入门 2020春》

提供MIT新推出的深度学习入门课程的视频和PPT资源。

最新免费书籍推荐 - 《因果推理算法概述》

提供一本关于因果推理算法的概述书籍的免费PDF下载。

统计机器学习经典教材

推荐一本统计机器学习的经典教材，并提供其最新版本的免费下载链接。

Yoshua Bengio - 元学习解构因果变量与世界运作

分享一篇由Yoshua Bengio撰写的文章，探讨元学习与因果变量的关系。

强化学习书籍分享

分享一本关于强化学习的书籍，适合希望深入了解这一领域的读者。

希望以上改写内容符合您的需求。如有需要进一步调整的地方，请随时告知。