欢迎光临
我们一直在努力

机器学习 周志华

电子书简介

书名:机器学习

作者:周志华

出版社:北京:清华大学出版社 , 2016.01

ISBN: 9787302423287

内容提要:

机器学习是计算机科学的重要分支领域.本书作为该领域的入门教材,在内容上尽可能涵盖机器学习基础知识的各方面,全书共16章,大致分为3个部分:第1部分(第1~3章)介绍机器学习的基础知识;第2部分(第4~10章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第3部分(第11~16章)为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等,每章都附有习题并介绍了相关阅读材料,以便有兴趣的读者进一步钻研探索,本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。

部分内容展示:

序言
在人工智能界有一种说法,认为机器学习是人工智能领域中最能够体现智能的一个分支。从历史来看,机器学习似乎也是人工智能中发展最快的分支之一,在二十世纪八十年代的时候,符号学习可能还是机器学习的主流,而自从二十世纪九十年代以来,就一直是统计机器学习的天下了,不知道是否可以这样认为:从主流为符号机器学习发展到主流为统计机器学习,反映了机器学习从纯粹的理论研究和模型研究发展到以解决现实生活中实际问题为目的的应用研究,这是科学研究的一种进步.有关机器学习的专著国内出版的不是很多,前两年有李航教授的《统计学习方法》出版,以简要的方式介绍了一批重要和常用的机器学习方法.此次周志华教授的鸿篇巨著《机器学习》则全面而详细地介绍了机器学习的各个分支,既可作为教材,又可作为自学用书和科研参考书。
翻阅书稿的过程引起了一些自己的思考,平时由于和机器学习界的朋友接触多了,经常获得一些道听途说的信息以及专家们对机器学习现状及其发展前途的评论.在此过程中,难免会产生一些自己的疑问.我借此机会把它写下来放在这里,算是一种“外行求教机器学习”.
问题一:在人工智能发展早期,机器学习的技术内涵几乎全部是符号学习。可是从二十世纪九十年代开始,统计机器学习犹如一匹黑马横空出世,迅速压倒并取代了符号学习的地位.人们可能会问:在满目的统计学习期刊和会议文章面前,符号学习是否被彻底忽略了?它还能成为机器学习的研究对象吗?它是否将继续在统计学习的阴影里生活并荷延残喘?对这个问题有三种可能的答案:一是告诉符号学习:“你就是该退出历史舞台,认命吧!”二是告诉统计学习:“你的一言堂应该关门了!”单纯的统计学习已经走到了尽头,再想往前走就要把统计学习和符号学习结合起来.三是事物发展总会有
“三十年河东,三十年河西”的现象,符号学习还有“翻身”的日子.第一种观点我没有听人明说过,但是我想恐怕有可能已经被许多人默认了,第二种观点我曾听王玉教授多次说过.他并不认为统计学习会衰退,而只是认为机器学习已经到了一个转折点,从今往后,统计学习应该和知识的利用相结合,这是一种“螺旋式上升,进入更高级的形式”,否则,统计学习可能会停留于现状而止步不前.王压教授还认为:进入转折点的标志就是Koller等的《概率图模型》一书的出版.至于第三种观点,恰好我收到老朋友,美国人工智能资深学者、俄亥俄大学Chandrasekaran教授的来信,他正好谈起符号智能被统计智能“打压”的现象,并且正好表达了河东河西的观点.我请求他允许我把这段话引进正在撰写的序言中,他爽快地同意了,仅仅修改了几处私人通信的口吻.全文如下:“最近几年,人工智能在很大程度上集中于统计学和大数据.我同意由于计算能力的大幅提高,这些技术曾经取得过某些令人印象深刻的成果。但是我们完全有理由相信,虽然这些技术还会继续改进、提高,总有一天这个领域(指AI)会对它们说再见,并转向更加基本的认知科学研究.尽管钟摆的摆回去还需要一段时间

赞(0) 打赏
未经允许不得转载:书呆子pdf下载 » 机器学习 周志华
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址