Peter Flach版机器学习教程对数据有意义的算法的艺术和科学免费下载

资料大小: 9.49 MB

所需积分: 1

下载次数:

用户评论: 0条评论,查看

上传日期: 2019-06-24

上 传 者: Hichens他上传的所有资料

资料介绍

标签:机器学习(2634)过滤器(57)算法(1113)

  作为一个最全面的机器学习文本周围,这本书公正的领域的难以置信的丰富,但没有失去统一的原则。

  PeterFlach的清晰的、基于示例的方法首先讨论垃圾邮件过滤器的工作原理,它以最少的技术麻烦立即介绍了实际的机器学习。他涵盖了广泛的逻辑、几何和统计模型,以及最先进的主题,如矩阵分解和ROC分析。特别注意功能所扮演的中心角色。

  机器学习将设定一个新的标准作为入门教材:

  序言和第1章在线免费提供,提供了进入机器学习的第一步。

  既有术语的使用与新的有用概念的引入是平衡的。

  精心挑选的例子和插图构成了正文不可分割的一部分。

  方框总结了相关的背景资料,并提供了修订的指针。

  每章的结尾都有一个总结和进一步阅读的建议。

  书后附有一份“要记住的重要要点”的清单,以及一份广泛的索引,帮助读者浏览材料。

  这本书始于2008年夏天,当时我的雇主布里斯托尔大学授予我一年的研究奖学金。我决定开始写一篇关于机器学习的概论,有两个原因。一种是有空间写这样一本书,以补充现有的许多专业书籍;另一种是通过写作,我会学到新东西——毕竟,最好的学习方法是教书。

  任何试图编写机器学习入门文本的人所面临的挑战是,在不忽视机器学习领域的统一原则的情况下,公正地对待机器学习领域的丰富性。过分强调学科的多样性,你就有可能最终得到一本没有太多连贯性的“食谱”;过分强调你最喜欢的范例,你可能会遗漏太多其他有趣的东西。在一定程度上,通过一个反复试验的过程,我得出了书中所体现的方法,即强调统一性和多样性:通过单独处理任务和特性来实现统一,这两种方法在任何机器学习方法中都很常见,但通常被认为是理所当然的;以及通过覆盖范围广泛的逻辑、几何和概率模型。

  显然,我们不能指望在400页的篇幅内把所有的机器学习都覆盖到任何合理的深度。在结语部分,我列出了一些重要的研究领域,我决定不包括这些领域。在我看来,机器学习是统计和知识表示的结合,而这本书的主题就是为了强化这一观点。因此,在转向更具统计导向的材料之前,为树和规则学习预留了足够的空间。在整本书中,我特别强调直觉,希望通过大量使用示例和图形插图加以放大,其中许多都源自我在机器学习中使用ROC分析的工作。

  你可能不知道,但很可能你已经是机器学习技术的常客了。目前大多数电子邮件客户机都采用了识别和过滤垃圾邮件(也称为垃圾邮件或未经请求的批量电子邮件)的算法。早期的垃圾邮件过滤器依赖于手工编码的模式匹配技术,如正则表达式,但很快就发现这很难维护,并且提供的灵活性不足——毕竟,一个人的垃圾邮件是另一个人的火腿!1使用机器学习技术可获得额外的适应性和灵活性S.spamasassin是一种广泛使用的开源垃圾邮件过滤器。它根据许多内置规则或SpamAssassin术语中的“测试”来计算传入电子邮件的分数,如果分数为5或更多,它会在电子邮件的标题中添加“垃圾邮件”标志和摘要报告。以下是我收到的电子邮件的示例报告:

 

用户评论

查看全部 条评论

发表评论请先 , 还没有账号?免费注册

发表评论

用户评论
技术交流、我要发言! 发表评论可获取积分! 请遵守相关规定。
上传电子资料