本書重點

◎ 一本讓你打下最紮實基礎的機器學習數學書

◎ 理論及實作並重，全盤了解機器學習

◎ 線性、非線性、整合模型說明

◎ 線性回歸怎麼來的，邏輯回歸怎麼走的，正規化

◎ 支援向量機精華，決策樹以及單純貝氏定理

◎ 神經網路及正反向傳播的推導

◎ 整合學習的來龍去脈，隨機森林和提升樹

◎ xgboost極度梯度提升

本書主要內容

學習並精通任何一門學科無外乎要經過四個步驟：它是什麼？它可行嗎？怎麼學它？如何學好它？機器學習也不例外，本書就以這四個步驟來介紹機器學習。

每一章都以通俗的引言開始，吸引讀者；以精美的思維導圖過渡，讓說明想法更清晰；以簡要的歸納結束，讓讀者加強所學的知識。理論和實作相結合，既有嚴謹的數學推導，又有多樣（Python 和MATLAB）的程式展示，圖文並茂。

前3 章屬於機器學習的概述。作者在這3 章花費的時間最多，絕對讓讀者有所收穫。

第4～14 章介紹「如何學好機器學習」，重點介紹機器學習的各種演算法和調參技巧。

第1章「機器學習是什麼」，從定義開始，詳細介紹機器學習有關的知識、資料和效能度量。

第2章「機器學習可行嗎」，介紹機器具備學習樣本以外的資料的能力。

第3章「機器學習怎麼學」，介紹機器如何選擇出最佳模型。

第4～8章 介紹線性模型，包含線性回歸模型、對率回歸模型、正規化回歸模型、支援向量機模型。

第9～11章 介紹非線性模型，包含單純貝氏模型、決策樹模型、類神經網路模型、正向/反向傳播模型。

第12～14章 介紹整合模型，包含隨機森林模型、提升樹模型、極度梯度提升模型。

第15章 介紹機器學習中的一些非常實用的經驗，包括學習策略、目標設定、誤差分析、偏差和方差分析。

適合讀者群：機器學習初學者、對機器學習感興趣者，或大專院校相關科系學生。

本書特色

◎ 一本讓你打下最紮實基礎的機器學習數學書

◎ 理論及實作並重，全盤了解機器學習