实证机器学习

　　本书介绍了实证机器学习的基础理论以及在自主异常检测、自主数据划分、自主分类、自主学习等不同领域的先进方法、方法论、模型、流程和技术。涉及多种先进人工智能技术，可应用于图像处理、自然语言处理、生物信息学、智能机器人、航天系统等诸多领域。

暂缺《实证机器学习》作者简介

第1章概述；第2章统计机器学习简介；第3章计算智能简介；第4章实证方法介绍；第5章实证模糊集与系统；第6章异常检测实证法；第7章数据分割实证法；第8章自主学习多模型系统；第9章透明的深规则分类器；第10章自主异常检测的应用；第11章自主数据划分的应用；第12章自主学习多模型系统的应用；第14章深规则分类器的应用。