数据挖掘与机器学习基础算法
数据挖掘和机器学习的基本算法构成了数据科学的基础，利用自动化方法分析各种数据的模式和模型，应用领域涵盖从科学发现到商业分析。本教材面向高级本科生和研究生课程，全面深入地概述了数据挖掘、机器学习和统计学，为学生、研究人员和实践者提供了扎实的指导。书中奠定了数据分析、模式挖掘、聚类、分类和回归的基础，重点介绍了算法以及其背后的代数、几何和概率概念。本书第二版新增了一个专门章节，讲解回归方法，包括神经网络和深度学习。
评论
‘Mohammed Zaki 和 Wagner Meira, Jr 编写的这本书是教授数据挖掘或数据科学课程的极佳选择。它涵盖了基础和高级数据挖掘主题，解释了数据科学的数学基础和算法，每章都有习题，并提供了数据、幻灯片及其他补充材料，供伴随网站使用。’
—— Gregory Piatetsky-Shapiro，计算机协会知识发现与数据挖掘特别兴趣小组（ACM SIGKDD）创始人
‘世界级专家编写，提供了全面的数据挖掘主题内容，从基础统计学到基本方法（聚类、分类、频繁项集），再到高级方法（奇异值分解（SVD）、支持向量机（SVM）、核方法、谱图理论、深度学习）。对于每个概念，书中巧妙地平衡了直观理解、算术例子和严谨的数学细节。它既可以作为教材，也可以作为参考书。’
—— Christos Faloutsos，卡内基梅隆大学（Carnegie Mellon University），宾夕法尼亚州，ACM SIGKDD创新奖得主
书籍描述
《数据挖掘与机器学习基础算法》第二版新增了多个关于回归的章节，其中包括神经网络和深度学习。
专知便捷查看，访问下面网址或点击最底端“阅读原文”
https://www.zhuanzhi.ai/vip/122e93104df7c28437027d7f2fd6c76b
点击“
阅读原文”，查看下载本文
