An Introduction to Machine Learning

این کتاب با ارائه توصیه‌های عملی عملی، استفاده از مثال‌های ساده و ایجاد انگیزه در دانش‌آموزان با بحث در مورد کاربردهای جالب، ایده‌های اساسی یادگیری ماشین را به روشی آسان برای درک ارائه می‌کند. موضوعات اصلی شامل طبقه‌بندی‌کننده‌های بیزی، طبقه‌بندی‌کننده‌های نزدیک‌ترین همسایه، طبقه‌بندی‌کننده‌های خطی و چند جمله‌ای، درخت‌های تصمیم‌گیری، شبکه‌های عصبی و ماشین‌های بردار پشتیبان است. فصل‌های بعدی نشان می‌دهند که چگونه می‌توان این ابزارهای ساده را از طریق «تقویت» ترکیب کرد، چگونه از آنها در حوزه‌های پیچیده‌تر بهره‌برداری کرد، و چگونه با مسائل مختلف کاربردی پیشرفته مقابله کرد. یک فصل به الگوریتم های ژنتیک محبوب اختصاص دارد.

This book presents basic ideas of machine learning in a way that is easy to understand, by providing hands-on practical advice, using simple examples, and motivating students with discussions of interesting applications. The main topics include Bayesian classifiers, nearest-neighbor classifiers, linear and polynomial classifiers, decision trees, neural networks, and support vector machines. Later chapters show how to combine these simple tools by way of “boosting,” how to exploit them in more complicated domains, and how to deal with diverse advanced practical issues. One chapter is dedicated to the popular genetic algorithms.