機器學習

　　湯姆·M·米切爾

　　從書本新聞。介紹性文本，介紹機器學習的主要方法和通過經驗自動改進的計算機算法的研究。根據需要，引入統計學、人工智能、信息論和其他學科的基本概念，并均衡地覆蓋理論和實踐，并且提出它們的使用的主要算法。包括章節練習。多個算法的在線數據集和隱含在網站上可用。沒有人工智能或統計學的先驗背景。為計算機科學、工程、統計學、社會科學以及軟件專業人才的高級本科生和研究生。

　　圖書信息：介紹機器學習的核心算法和理論。討論諸如學習性能如何隨給出的示例數量而變化？以及哪種學習算法最不適合各種類型的學習任務？DLC：計算機算法。

　　本書描述：這本書涵蓋了機器學習的領域，它是對算法的研究，允許計算機程序通過經驗自動改進。本書旨在支持大學學習的高級本科生和入門級研究生課程。

　　機器學習領域關注的是如何構造具有自動改進經驗的計算機程序。近年來，開發了許多成功的機器學習應用，從學習檢測欺詐信用卡交易的數據挖掘程序，到學習用戶閱讀偏好的信息過濾系統，到學習在p.烏干達公路。同時，形成這一領域基礎的理論和算法也有了重要的進展。

　　目標。介紹了機器學習的核心算法和理論。機器學習借鑒了許多領域的概念和結果，包括統計學、人工智能、哲學、信息論、生物學、認知科學、計算復雜性和控制理論。我認為學習機器學習的最好方法就是從這些角度來看待機器學習，并理解問題設置、算法和假設。在過去，由于缺乏一個廣泛的單一來源介紹該領域，這一直是困難的。這本書的主要目的是提供這樣的介紹。

　　由于材料的跨學科性質，這本書很少有關于讀者背景的假設。相反，它根據需要引入了統計學、人工智能、信息論和其他學科中的基本概念，只關注與機械學習最相關的那些概念。這本書是針對本科生和研究生領域，如計算機科學，工程，統計和社會科學，并作為軟件專業人員和實踐者的參考。指導本書寫作的兩條原則是，本科生應該可以閱讀，并且它應該包含我希望我自己的博士生開始他們的麥克倫學習博士研究之前學習的材料。

　　自從計算機被發明以來，我們就想知道它們是否可以被用來學習，如果我們能夠理解如何對它們進行編程，使它們學習——憑借經驗自動改進——其影響將是巨大的。想象一下，計算機從病歷中學習哪些治療對于新疾病最有效，從經驗中學習以基于其居住者的特定使用模式優化能源成本的房屋，或者個人軟件助理學習用戶不斷發展的興趣。為了突出特別是相關的故事從網上媽媽報紙。成功理解計算機如何學習將打開計算機的許多新用途以及能力和定制的新水平。對用于機器學習的信息處理算法的詳細理解也可能導致對人類學習能力（和殘疾）的更好理解。

　　我們還不知道如何使計算機和人一樣地學習。然而，已經發明了對某些類型的學習任務有效的算法，并且開始出現對學習的理論理解。許多實用的計算機程序已經被開發出來以展示有用的學習類型，并且重要的商業應用已經開始應用。對于諸如語音識別之類的問題，基于機器學習的算法優于迄今為止已經嘗試過的所有其他方法。在眾所周知的數據挖掘領域，機器學習算法正被廣泛地用于從包含設備維護記錄、貸款申請、金融交易、醫療記錄等的大型商業數據庫中發現有價值的知識。隨著我們對計算機的理解不斷成熟，機器學習將不可避免地在計算機科學和計算機技術中扮演越來越重要的角色。

?