机器学习方法 (李航) [中文PDF]

McSafe

内容简介
机器学习是以概率论、统计学、信息论、最优化理论、计算理论等为基础的计算机应用理论学科，也是人工智能、数据挖掘等领域的基础学科。


《机器学习方法》全面系统地介绍了机器学习的主要方法，共分三篇。第一篇介绍监督学习的主要方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、Boosting、EM算法、隐马尔可夫模型、条件随机场等；第二篇介绍无监督学习的主要方法，包括聚类、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配、PageRank 算法等。第三篇介绍深度学习的主要方法，包括前馈神经网络、卷积神经网络、循环神经网络、序列到序列模型、预训练语言模型、生成对抗网络等。


书中每章介绍一两种机器学习方法，详细叙述各个方法的模型、策略和算法。从具体例子入手，由浅入深，帮助读者直观地理解基本思路，同时从理论角度出发，给出严格的数学推导，严谨详实，让读者更好地掌握基本原理和概念。目的是使读者能学会和使用这些机器学习的基本技术。为满足读者进一步学习的需要，书中还对各个方法的要点进行了总结，给出了一些习题，并列出了主要参考文献。


《机器学习方法》是机器学习及相关课程的教学参考书，适合人工智能、数据挖掘等专业的本科生、研究生使用，也供计算机各个领域的专业研发人员参考。


作者简介
李航，字节跳动科技有限公司人工智能实验室总监，IEEE会士、ACL会士、ACM杰出科学家、CCF杰出会员。研究方向包括信息检索、自然语言处理、统计机器学习及数据挖掘。


李航于1988年从日本京都大学电气工程系毕业，1998年获得日本东京大学计算机科学博士。他1990年至2001年就职于日本NEC公司中央研究所，任研究员；2001年至2012年就职于微软亚洲研究院，任高级研究员与主任研究员；2012年至2017年就职于华为技术有限公司诺亚方舟实验室，任首席科学家、主任。


李航一直活跃在相关学术领域，曾出版过四部学术专著，并在国际学术会议和国际学术期刊上发表过120多篇学术论文，包括 SIGIR、WWW、WSDM、ACL、EMNLP、ICML、NIPS、SIGKDD、AAAI、IJCAI，以及 NLE、JMLR、TOIS、IRJ、IPM、TKDE、TWEB、TIST 等。他和同事的论文获得了 KDD 2008 应用论文奖，他指导的学生获得了 SIGIR 2008、ACL 2012学生论文奖。李航参与了多项产品开发，包括 Microsoft SQL Server 2005、Microsoft Office 2007、Microsoft Live Search 2008、Microsoft Bing 2009、Microsoft Bing 2010、Microsoft Office 2010、Microsoft Office 2012，拥有42项授权美国专利。李航还在国际学术会议和国际学术期刊担任许多重要工作，如大会程序委员会主席，资深委员，及委员，期刊编委，包括 SIGIR、WWW、WSDM、ACL、NAACL、EMNLP、NIPS,SIGKDD、ICDM、ACML、IJCAI、IRJ、TIST、JASIST、JCST 等。