機器學習

《機器學習》展示了機器學習中核心的演演算法和理論，並闡明了演演算法的運行過程。《機器學習》綜合了許多的研究成果，例如統計學、人工智慧、哲學、資訊理論、生物學、認知科學、計算複雜性和控制論等，並以此來理解問題的背景、演演算法和其中的隱含假定。《機器學習》可作為計算機專業 本科生、研究生教材，也可作為相關領域研究人員、教師的參考書。

TOM M.Mitchell是卡內基梅隆大學的教授，講授“機器(AAA)的主席：美國《Machine Leaming》雜誌、國際機器學習年度會議（ICML）的創始人：多種技術雜誌的撰稿人，曾發表過許多文章，出版過多本專著，是機器學習領域的著名學者。

譯者序

前言

第1章 引言

第2章 概念學習和一般到特殊序

第3章 決策樹學習

第4章 人工神經網路

第5章 評估假設

第6章 貝葉斯學習

第7章 計算學習理論

第8章 基於實例的學習

第9章 遺傳演演算法

第10章 學習規則集合

第11章 分析學習

第12章 歸納和分析學習的結合

第13章 增強學習附錄 符號約定