当前位置：首页 > 机器学习 > 正文

包含机器学习必看中文书的词条

本篇文章给大家分享机器学习必看中文书，以及对应的知识点，希望对各位有所帮助。

简述信息一览：

1、监督学习和无监督学习利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。正如人们通过已知病例学习诊断技术那样，计算机要通过学习才能具有识别各种事物和现象的能力。用来进行学习的材料就是与被识别对象属于同类的有限数量样本。

2、推荐一些入门级的Python教程和书籍，如“Python编程：从入门到实践”、“流畅的Python”等。学习数学基础：在开始机器学习之前，先补齐所需的数学基础，可以通过一些在线课程、教材或自学资源学习概率论、统计学、线性代数和微积分等基础知识。

3、先看看相关的图书：要有好几本作为参考，最好是角度差异大、深浅程度不同，比如系统的导论式的、深入的有推导的、浅出的手把手的。它要充当不同学习过程中的工具书。

推荐：Jiawei Han的《数据挖掘概念与技术》、Ian H. Witten 的《数据挖掘实用机器学习技术》、Pang-Ning Tan的《数据挖掘导论》、Matthew A. Russell的《社交网站的数据挖掘与分析》、Anand Rajaraman的《大数据》。

将上面的岗位涉及到的知识和技术划类，推荐以下书籍人工智能机器学习类：Python、机器学习、数据科学《Python机器学习实践指南》结合了机器学习和Python 语言两个热门的领域，通过利用两种核心的机器学习算法来用Python 做数据分析。

深入浅出数据分析（豆瓣）这书挺简单的，基本的内容都涉及了，说得也比较清楚，最后谈到了R是大加分。难易程度：非常易。啤酒与尿布（豆瓣）通过案例来说事情，而且是最经典的例子。难易程度：非常易。

但瑕不掩瑜，总体而言，这依然是一本初学者理想的入门书籍。在学习完上一本《数据挖掘》后，此时的你将会拥有一些简单的数据分析基础。如果还想更上一层楼，那么周志华老师的这本《机器学习》绝对是不能错过的进阶读本。

1、《Machine Learning》综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题的背景、算法和其中的隐含假定。《机器学习》可作为计算机专业本科生、研究生教材，也可作为相关领域研究人员、教师的参考书。

2、所以，就认知突破的效果而言，《普林西比的森林》这本书可谓独一无二。它启迪人类对人与自然互动关系的全新认知，这一哲理观念的转变，使得全球环境保护运动得到迅速发展，并最终改变了人类对待地球的方式。这是一本不可多得的具有深刻启蒙功能与实际成效的佳作。

3、文章名为《人工智能的历史》，顺着 AI 发展时间线娓娓道来，中间穿插无数牛人故事，且一波三折大气磅礴，可谓事实比想象更令人惊讶。

4、《人工智能的未来》这本书是2006年出版的，好吧，2006——2014，这在其它科学和工业领域不算什么，但是在电子信息领域是旧世界和新世界的概念，很多认识都已被颠覆。

关于机器学习必看中文书，以及的相关信息分享结束，感谢你的耐心阅读，希望对你有所帮助。