內容簡介
模式識別和機器學習是人工智慧應用的基礎。本書將模式識別任務按照監督學習和無監督學習兩種方式進行組織。第1章討論模式識別和機器學習的內在關係,介紹了兩者的基礎知識和模式識別的設計過程。第2章和第3章介紹了很優化的和常規的基於實例的分類問題。第4~6章檢驗了參數的、非參數的和函數逼近的分類規則。
之後在第7章和第8章就分類的誤差估計和模型選擇對分類模型的性能進行討論。第9章介紹了能夠提高分類模型的性能並減少存儲空間的降維技術。第10章和第11章分別介紹了聚類分析技術和回歸模型。本書適合相關專業高年級本科生和研究生,以及該領域的從業人員閱讀。
作者介紹
目錄