機器學(xué)習(xí)是以概率論、統(tǒng)計學(xué)、信息論、**化理論、計算理論等為基礎(chǔ)的計算機應(yīng)用理論學(xué)科，也是人工智能、數(shù)據(jù)挖掘等領(lǐng)域的基礎(chǔ)學(xué)科。《機器學(xué)習(xí)方法》全面系統(tǒng)地介紹了機器學(xué)習(xí)的主要方法，共分三篇。第一篇介紹監(jiān)督學(xué)習(xí)的主要方法，包括感知機、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與**熵模型、支持向量機、Boosting、EM算法、隱馬爾可夫模型、條件隨機場等；第二篇介紹無監(jiān)督學(xué)習(xí)的主要方法，包括聚類、奇異值分解、主成分分析、潛在語義分析、概率潛在語義分析、馬爾可夫鏈蒙特卡羅法、潛在狄利克雷分配、PageRank算法等。第三篇介紹深度學(xué)習(xí)的主要方法，包括前饋神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、序列到序列模型、預(yù)訓(xùn)練語言模型、生成對抗網(wǎng)絡(luò)等。書中每章介紹一兩種機器學(xué)習(xí)方法，詳細敘述各個方法的模型、策略和算法。從具體例子入手，由淺入深，幫助讀者直觀地理解基本思路，同時從理論角度出發(fā)，給出嚴格的數(shù)學(xué)推導(dǎo)，嚴謹詳實，讓讀者更好地掌握基本原理和概念。目的是使讀者能學(xué)會和使用這些機器學(xué)習(xí)的基本技術(shù)。為滿足讀者進一步學(xué)習(xí)的需要，書中還對各個方法的要點進行了總結(jié)，給出了一些習(xí)題，并列出了主要參考文獻。
《機器學(xué)習(xí)方法》是機器學(xué)習(xí)及相關(guān)課程的教學(xué)參考書，適合人工智能、數(shù)據(jù)挖掘等專業(yè)的本科生、研究生使用，也供計算機各個領(lǐng)域的專業(yè)研發(fā)人員參考。