本書是全面的機器學習教材之一。書中首先介紹了機器學習的構成要素(任務、模型、特征)和機器學習任務,接着詳細分析了邏輯模型(樹模型、規則模型)、幾何模型(線性模型和基於距離的模型)和概率模型,然后討論了特征、模型的集成,以及被機器學習研究者稱為「實驗」的方法。作者不僅使用了已有術語,還引入了一些新的概念,同時提供了大量精選的示例和插圖解說。
Peter Flach 布里斯托大學人工智能教授,擁有20多年的機器學習教研經驗。在高度結構化的數據挖掘以及通過ROC分析來評估和改進機器學習模型方面,Flach是國際領先的研究人員。他還是Machine Learning期刊總編。曾擔任2009年ACM知識發現與數據挖掘國際會議、2012年歐洲機器學習與數據挖掘國際會議的程序委員會共同主席。另著有Simply Logical: Intelligent Reasoning by Example。
Peter Flach 布里斯托大學人工智能教授,擁有20多年的機器學習教研經驗。在高度結構化的數據挖掘以及通過ROC分析來評估和改進機器學習模型方面,Flach是國際領先的研究人員。他還是Machine Learning期刊總編。曾擔任2009年ACM知識發現與數據挖掘國際會議、2012年歐洲機器學習與數據挖掘國際會議的程序委員會共同主席。另著有Simply Logical: Intelligent Reasoning by Example。