| 机器学习这门学科研究的是能通过经验自动改进的计算机算法，其应用从数据挖掘程序到信息过滤系统，再到自动机工具，已经非常丰富。机器学习从很多学科吸收了成果和概念，包括人工智能、概论论与数理统计、哲学、信息论、生物学、认知科学和控制论等，并以此来理解问题的背景、算法和算法中的隐含假定。
|
| Tom M.Mitchell是卡内基梅隆大学教授，目前担任该校自动学习和发现中心主任。他还是美国人工智能协会的主席，并且是《Machine Learning》杂志和国际机器学习会议的创办者。
|
| 1 Introduction
2 Concept Learning and the General-to-Specific Ordering 3 Decision Tree Learning 4 Artificial Neural Networks 5 Evaluating Hypotheses 6 Bayesian Learning 7 Computational Learning Theory 8 Instance-Based Learning 9 Genetic Algorithms 10 Learning Sets Rules 11 Analytical Learning 12 Combining Inductive and Analytical Learning 13 Reinforcement Learning Appendix |
内容加载中，请稍后...
商品评论（0条）