书籍摘要

《图解机器学习》是由杉山将撰写的一本机器学习领域的专业书籍。本书通过丰富的图示和详细的解释，从最小二乘法出发，系统地介绍了各种基于最小二乘法实现的机器学习算法。

作者简介

杉山将，1974年生于大阪，东京工业大学计算机工程学博士毕业，现为东京大学教授、日本国立信息学研究所客座教授。主要从事机器学习的理论研究和算法开发，以及在信号和图像处理等方面的应用。

书籍简介

《图解机器学习》全书共分为五个部分，内容涵盖机器学习的基础理论、有监督学习算法、无监督学习算法以及新兴的机器学习算法。第一部分为绪论，介绍了机器学习的基本概念、学习的种类以及机器学习的方法。第二部分和第三部分分别介绍了有监督的回归算法和分类算法，包括最小二乘学习法、带有约束条件的最小二乘法、稀疏学习、鲁棒学习、支持向量机分类、集成分类和概率分类法等。第四部分介绍了无监督学习算法，如异常检测、监督降维和聚类等。第五部分则介绍了机器学习领域中的新兴算法，包括在线学习、半监督学习、迁移学习和多任务学习等。

内容特色

本书的一大特色是通过大量的图示来帮助读者理解复杂的机器学习概念和算法。书中提供了187张图解，使读者能够更加直观地掌握机器学习的原理和方法。此外，书中还提供了相应的MATLAB程序源代码，读者可以通过实践来加深对算法的理解。

适用人群

《图解机器学习》适合所有对机器学习有兴趣的初学者阅读。书中详细介绍了机器学习中最经典、用途最广的算法，专业实用，图文并茂，角度新颖，实战导向，是一本不可多得的机器学习入门书籍。