內容簡介
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