机器学习：算法视角（原书第2版）

栏目: 编程工具 · 发布时间: 5年前

五一假期期间在朋友圈做了一次调研，大家普遍对这本新书感兴趣，所以过完节赶紧找 机械工业出版社华章公司 的老师赞助了5本书做一次AINLP公众号粉丝福利活动，这次规则很简单，直接抽，抽五本，公众号后台回复「抽奖」 , 弹出抽奖小程序后点击参与，然后静候开奖就是了，开奖时间是后天晚上8点，也就是5月8号周三20点开奖。中奖用户必须是AINLP公众号粉丝，否则视为自动放弃，请中奖的同学添加微信号 "AINLP2" ，再确认一下快递信息，过期不候。最后感谢本次活动的赞助者 「机械工业出版社华章公司」 。

书名： 机器学习：算法视角（原书第2版）

丛书名：智能科学与技术丛书

ISBN：978-7-111-62226-0

作者： [ 新西兰 ] 史蒂芬·马斯兰（ StephenMarsland ）

译者：高阳商琳等译（南京大学）

定价：99元

出版时间：2019.4

开本：16开

页数：288页

出版社：机械工业出版社

上市时间：2019年4月

CRC Press 机器学习领域畅销教材

知名媒体推荐的十大机器学习入门教材之一。

新西兰惠灵顿维多利亚大学数学与统计学院史蒂芬 · 马斯兰教授所著

南京大学计算机科学与技术系高阳教授、商琳副教授联袂翻译。

本书的核心视角是全面覆盖机器学习中的各种算法并探究其工作原理，旨在帮助读者掌握算法思想，熟悉相关的数学与统计学知识，并掌握必要的编程技巧和实验方法。书中首先介绍基础概念，然后从相对简单的监督学习方法开始讲解，同时讨论了优化和搜索问题，之后分析无监督学习算法，最后探讨更现代的基于统计的机器学习方法。本书配有大量习题，代码示例采用 Python 语言编写，所有代码均可免费下载。

内容简介：

机器学习融合了计算机科学、统计学、数学、工程学等多个学科，应用领域遍及经济、生物、医药、物理、化学等。本书针对计算机科学专业学生遇到的统计学基础知识不足的问题，聚焦于机器学习中的算法，清晰呈现算法背后的数学和统计学知识，同时提供必要的编程技巧和实验方法。
书中全面涵盖各类算法，如神经网络、多层感知器、径向基函数、支持向量机、进化学习、强化学习、决策树学习、无监督学习、图模型等。第 2 版进行了全面修订和更新，以反映机器学习的新发展，新增了两个章节来讨论深度置信网络和高斯过程，此外，还添加了随机森林、考虑精度的方法、 MLP 的共轭梯度优化、卡尔曼滤波和粒子滤波等内容。
本书的代码示例采用 Python 语言编写，所有代码均可从 stephenmonika.net 免费下载。

作者简介：

史蒂芬·马斯兰（ StephenMarsland ）新西兰惠灵顿维多利亚大学数学与统计学院教授，兼任新西兰复杂系统卓越研究中心项目主管，负责复杂性、风险与不确定性等相关主题的研究工作。研究兴趣是几何和复杂系统的应用，主要涉及形状空间、机器学习和算法。

译者简介：

高阳教授 / 博导，目前任南京大学计算机科学与技术系副主任，中国计算机学会机器学习专委会副主任。 1997 年开始从事人工智能、机器学习、多 Agent 系统、大数据、图像和视频分析等方向的学术研究。 2010 年入选教育部新世纪优秀人才计划。曾获 2017 年度中国人工智能学会吴文俊自然科学奖二等奖、 2018 年度江苏省科学技术奖二等奖。

商琳博士／副教授， 1998 年起任教于南京大学计算机科学与技术系，长期从事人工智能、机器学习、计算智能、文本挖掘、图像与视频理解等领域的教学与科研工作。目前担任中国计算机学会人工智能与模式识别专委会委员，中国人工智能学会粒计算与知识发现专委会副秘书长。

第2版前言

Machine Learning: An Algorithmic Perspective, Second Edition

自从本书第1版出版以来，在过去的几年里，机器学习领域有了一些有意义的发展。一个是深度置信网络的崛起，这是一个真正激起了强烈研究兴趣的领域（同时也蕴含着巨大的商业利益，因为大型互联网公司都希望抢购涉足这一领域的每家小公司）；而另一个则是长期持续进行的关于机器学习统计解释的研究。后者作为一个研究领域是非常不错的，但对于计算机科学专业的学生而言，由于欠缺统计学基础知识，起步阶段是很困难的，然而，他们又非常有必要学习和关注这个领域的知识。本书专注于机器学习中的算法，希望能帮助学生掌握算法思想，并熟悉相关的数学与统计学知识，以及必要的编程技巧和实验方法。

此外，可用的Python库一直在不断更新，现在有更多的工具可供程序员使用。借助这些便利条件，本书提供了用于实验的支持向量机的简单实现，其他几个地方的代码也做了精简。所有示例代码都可以从http://stephenmonika.net/下载（在“Book”标签下），在学习机器学习的过程中，强烈鼓励大家根据需要随时使用这些代码进行实验。

本书第2版的主要修改包括：

●补充了关于两个新领域的新章节：深度置信网络（第17章）和高斯过程（第18章）。

●重新对章节进行了排序，并且增加了一些材料，使得全书更加自然、流畅。

●重新撰写了关于支持向量机的内容，以包含运行代码和实验建议。

●增加了随机森林（13.3节）、感知器收敛定理（3.4.1节）、适当考虑精度的方法（2.2.4节）、MLP的共轭梯度优化（9.3.2节）以及在第16章添加的卡尔曼滤波和粒子滤波。

●改进了代码，包括更好地使用Python的命名约定。

●贯穿全书的文字修改，使解释更清晰，细节更精准。

在此，我要感谢为本书出谋划策的所有人，他们阅读了不同章节，对于内容的取舍与讲解的方式提出了很多建议。还要感谢新西兰梅西大学的学生，他们与我一起研究了这些材料，无论是作为课程作业的一部分，还是作为研究工作的第一步，无论是理论研究还是机器学习应用。感谢那些为第2版做出特别贡献的人，包括：Nirosha Priyadarshani, JamesCurtis,Andy Gilman,  rjan Ekeberg，以及Osnabrück Knowledge-Based Systems Research小组，特别是JoachimHertzberg、Sven Albrecht和ThomasWieman。

Stephen Marsland

于新西兰阿什赫斯特

第1版前言

Machine Learning: An Algorithmic Perspective, Second Edition

在传统的科学研究中，学科与学科之间的融合与交流并不多，而有一门学科则做到了融合计算机科学、统计学、数学、工程学这些学科，甚至将其应用范围扩展至经济、生物、医药、物理、化学等领域中，这就是机器学习。在过去的十年中，机器学习的这种多学科魅力逐渐被人们所理解并推崇。但是，撰写一部系统介绍机器学习的著作是非常困难的，因为这本书要满足不同科学领域的研究者想要了解机器学习的需求。

作为人工智能领域的重要分支，机器学习通常在大学中作为计算机科学类课程开设，但是想要真正了解机器学习算法背后的工作原理，统计学和数学基础是必不可少的。在大学任教期间，我发现其中许多内容对数学基础的要求已经超过了计算机专业学生的所学范围，于是我重新整理了课堂讲稿与笔记，形成了本书的第1版。本书的重点在于介绍机器学习中的各类算法并探究其工作原理，同时附有大量习题。此外，本书的相关网站http://stephenmonika.net/MLbook.html提供书中的示例代码，供读者下载学习。

对于这类实用算法，用实际语言写的例子总是好于某种形式的伪代码。因为这可以让读者马上运行程序并在数据上做实验，而不用操心所选用特定语言的某些无关实现细节。任何计算机编程语言都能用来实现机器学习算法，并且全世界有各种语言的机器学习资源。在本书中我选择的是Python，因为Python语言简单易用、支持多平台，在科学计算中Python几乎已经成为首选语言。对于有编程基础的读者，Python是极易上手的；对于没有编程基础的初学者，Python也是非常友好的，附录A中介绍了如何使用Python进行基础的数值计算。

目前市面上已有许多关于机器学习的优秀著作，而对于本书，我希望它能为想深入学习这门学科的读者提供一个切入点。除此之外，网络上关于机器学习的各种学习资源也颇为丰富，开源软件网站http://mloss.org/software/提供了许多可供下载的机器学习软件。

此外，UCI机器学习库（http://archive.ics.uci.edu/ml/）提供了大量数据集，这些数据集可以用来实现并测试不同的机器学习算法，本书中用到的许多实验数据也来源于此。需要注意的是，在实际问题中，如何获取合适的数据并对其进行预处理以供机器学习算法学习其实是一个不小的问题。

在此，我要对在本书编写过程中给予帮助和提供建议的朋友表示衷心的感谢。尤其感谢Zbigniew Nowicki、Joseph Marsland、Bob Hodgson、Patrick Rynhart、Gary Allen、Linda Chua、Mark Bebbington、JP Lewis、Tom Duckett以及Monika Nowicki对本书第1版的贡献。特别感谢Jonathan Shapiro在机器学习研究过程中对我的帮助。

Stephen Marsland

于新西兰阿什赫斯特

以上所述就是小编给大家介绍的《机器学习：算法视角（原书第2版）》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对码农网的支持！

查看所有标签

猜你喜欢:

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。

码农书籍

数据结构与算法分析

维斯 / 冯舜玺 / 机械工业出版社 / 2004-1-1 / 35.00元

本书是《Data Structures and Algorithm Analysis in C》一书第2版的简体中译本。原书曾被评为20世纪顶尖的30部计算机著作之一，作者Mark Allen Weiss在数据结构和算法分析方面卓有建树，他的数据结构和算法分析的著作尤其畅销，并受到广泛好评．已被世界500余所大学用作教材。在本书中，作者更加精炼并强化了他对算法和数据结构方面创新的处理方法。......一起来看看《数据结构与算法分析》这本书的介绍吧!

码农工具