机器学习骇客秘笈

图解机器学习

Spark MLlib机器学习实践

图解机器学习

本书用丰富的图示，以最小二乘法为基础，详细讲解了处理回归问题的各种监督学习算法、处理分类问题的各种模式识别算法，以及无监督学习算法。同时配有MATLAB的示例代码，让读者可以轻松实践。本书适合机器学习初学...

基于再生核的机器学习方法

SPARK机器学习

本书每章都设计了案例研究，以机器学习算法为主线，结合实例探讨了Spark的实际应用。书中没有让人抓狂的数据公式，而是从准备和正确认识数据开始讲起，全面涵盖了推荐系统、回归、聚类、降维等经典的机器学习算法...

机器学习及其应用 2015

本书以综述的形式介绍机器学习领域的研究进展，内容涉及到稀疏学习、贝叶斯学习、演化学习、深度学习和半监督学习的基本理论和算法，同时介绍了机器学习在数据挖掘、信息检索、图像处理、模式识别，以及神经网络...

Spark MLlib机器学习实践

本书分为12章，详细介绍Spark MLLib大数据处理和分析的方法和技巧。本书从Spark基础开始，依次介绍MLLib基础，MLLib中RDD详解，MLLib基本概念，协同，过滤算法，线性回归，分类，决策树与保序回归，聚类，关联规则，数据降维，特......

机器学习实践：测试驱动的开发方法

本书面技术开发人员、CTO和咨询顾问人员，介绍了机器学习的基本原理，涵盖了测试驱动的机器学习、机器学习概述、K近邻分类、朴素贝叶斯分类、隐马尔科夫模型、支持向量机、神经网络、聚类、核岭回归、模型改进...

视觉机器学习20讲

本书详尽地介绍了K-Means、KNN学习、回归学习、决策树学习、andom Forest、贝叶斯学习、EM方法、AdaBoost、SVM方法、增强学习、流形学习、RBF学习、稀疏表示、字典学习、BP学习、CNN学习、RBM学习、深度学...