书名：机器学习的艺术
定价：79.8
ISBN：9787115666796
作者：[美]诺曼·马特洛夫（Norman Matloff）
版次：第1版
出版时间：2026-09

内容提要：
机器学习是当下*热门的领域之一。本书是一本基于R语言的机器学习实操指南，通过具体的例子和常见术语解释了机器学习的概念。书中涵盖了机器学习的多个方面，包括所需背景知识、“ge”系列函数、各部分内容架构等。全书介绍了基于近邻的方法(如k近邻算法)及相关的回归和分类模型、基于树的方法(包括决策树、随机森林、梯度提升等)、基于线性关系的方法、基于划分直线与平面的方法(包括支持向量机和神经网络)等。此外，本书也介绍了一些特定类型的机器学习应用，如图像分类、处理时间序列与文本数据等。本书适合对机器学习感兴趣，有一定R语言编程基础且具备普通数学知识(熟悉图表和简单代数符号)的读者阅读。



作者简介：
Norman Matloff是加州大学戴维斯分校的获奖教授。他在加州大学洛杉矶分校（UCLA）获得了数学博士学位，并著有《使用GDB、DDD和Eclipse调试的艺术》《R语言编程的艺术》。

目录：
第 1 部分 序言与基于近邻的方法
第　1 章 回归模型
第　2 章 分类模型
第　3 章 偏差、方差、过拟合与交叉验证
第　4 章 处理大量特征

第　2 部分 基于树的方法
第　5 章 比 KNN 算法更进一步:决策树
第　6 章 对树的调整
第　7 章 找一组好的*参数

第3部分　基于线性关系的方法
第　8 章 参数化方法
第　9 章 缩小规模: 正则化

第4部分　基于划分直线与平面的方法
第　10 章 边界方法: 支持向量机
第　11 章 针对类固醇的线性模型:神经网络

第　5 部分 应 用
第　12章 图像分类
第　13章 处理时间序列与文本数据
附　录