《机器学习导论》（（土）阿培丁）【摘要 书评 试读】

出版者的话
中文版序
译者序
前言
致谢
符号表
第1章 绪论
1．1 什么是机器学习
1．2 机器学习的应用实例
1．2．1 学习关联性
1．2．2 分类
1．2．3 回归
1．2．4 非监督学习
1．2．5 增强学习
1．3 注释
1．4 相关资源
1．5 习题
1．6 参考文献

第2章 监督学习
2．1 由实例学习类
2．2 VC维
2．3 概率逼近正确学习
2．4 噪声
2．5 学习多类
2．6 回归
2．7 模型选择与泛化
2．8 监督机器学习算法的维
2．9 注释
2．10 习题
2．11 参考文献

第3章 贝叶斯决策定理
3．1 引言
3．2 分类
3．3 损失与风险
3．4 判别式函数
3．5 效用理论
3．6 信息值
3．7 贝叶斯网络
3．8 影响图
3．9