幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

概率機器學習

  • 作者：朱軍|責編:張玥//常建麗
  • 出版社：清華大學
  • ISBN：9787302631842
  • 出版日期：2023/07/01
  • 裝幀：平裝
  • 頁數：368
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    隨著深度學習、大規模預訓練模型和生成式人工智慧的進展，機器學習已成為解決很多工程和科學問題的首選方案。本書從概率建模和統計推斷的角度系統介紹機器學習的基本概念、經典演算法及前沿進展。本書是一本系統論述概率機器學習的中文專著，主要內容包括概率機器學習基礎、學習理論、概率圖模型、近似概率推斷、高斯過程、深度生成模型、強化學習等。本書從實例出發，由淺入深，直觀與嚴謹相結合，並提供了延伸閱讀內容和豐富的參考文獻。
    本書的讀者對象是相關專業的高年級本科生、研究生和從業人員。
作者介紹
朱軍|責編:張玥//常建麗
    朱軍，清華大學電腦系Bosch AI冠名教授，IEEE Fellow，清華大學人工智慧研究院副院長，曾任卡內基-梅隆大學兼職教授。主要從事機器學習研究，擔任國際著名期刊IEEE TPAMI副主編，擔任ICML、NeurlPS、ICLR等（資深）領域主席和最佳論文評審委員二十余次。獲中國科協求是傑出青年獎、科學探索獎、中國電腦學會自然科學一等獎、吳文俊人工智慧自然科學一等獎、ICLR國際會議傑出論文獎等。入選萬人計劃領軍人才，中國電腦學會青年科學家、MITTR35中國先鋒者等。
目錄
  基礎篇
  第1章  緒論
    1.1  機器學習
      1.1.1  什麼是機器學習
      1.1.2  機器學習的基本任務
      1.1.3  K-近鄰：一種「懶惰」學習方法
    1.2  概率機器學習
      1.2.1  為什麼需要概率機器學習
      1.2.2  概率機器學習包含的內容
    1.3  延伸閱讀
    1.4  習題
  第2章  概率統計基礎
    2.1  概率
      2.1.1  事件空間與概率
      2.1.2  連續型和離散型隨機變數
      2.1.3  變數變換
      2.1.4  聯合分佈、邊緣分佈和條件分佈
      2.1.5  獨立與條件獨立
      2.1.6  貝葉斯公式
    2.2  常見概率分佈及其數字特徵
      2.2.1  隨機變數的常用數字特徵
      2.2.2  離散型變數的概率分佈
      2.2.3  連續型變數的概率分佈
    2.3  統計推斷
      2.3.1  最大似然估計
      2.3.2  誤差
    2.4  貝葉斯推斷
      2.4.1  基本流程
      2.4.2  常見應用和方法
      2.4.3  在線貝葉斯推斷
      2.4.4  共軛先驗
    2.5  資訊理論基礎
      2.5.1  熵
      2.5.2  互信息
      2.5.3  相對熵
    2.6  習題
  第3章  線性回歸模型
    3.1  基本模型
      3.1.1  統計決策基本模型
      3.1.2  線性回歸及最小二乘法
      3.1.3  概率模型及最大似然估計
      3.1.4  帶基函數的線性回歸
    3.2  正則化線性回歸
      3.2.1  嶺回歸
      3.2.2  Lasso
      3.2.3  Lp范數正則化的線性回歸
    3.3  貝葉斯線性回歸
      3.3.1  最大后驗分佈估計
      3.3.2  貝葉斯預測分佈
      3.3.3  貝葉斯模型選擇

      3.3.4  經驗貝葉斯和相關向量機
    3.4  模型評估
      3.4.1  評價指標
      3.4.2  交叉驗證
    3.5  延伸閱讀
    3.6  習題
  第4章  樸素貝葉斯分類器
    4.1  基本分類模型
      4.1.1  貝葉斯分類器
      4.1.2  核密度估計
      4.1.3  維數災
    4.2  樸素貝葉斯模型
      4.2.1  生成式模型
      4.2.2  樸素貝葉斯假設
      4.2.3  最大似然估計
      4.2.4  最大后驗估計
    4.3  樸素貝葉斯的擴展
      4.3.1  多值特徵
      4.3.2  多類別分類
      4.3.3  連續型特徵
      4.3.4  半監督樸素貝葉斯分類器
      4.3.5  樹增廣樸素貝葉斯分類器
    4.4  樸素貝葉斯的分析
      4.4.1  分類邊界
      4.4.2  預測概率
    4.5  延伸閱讀
    4.6  習題
  第5章  對數幾率回歸和廣義線性模型
  第6章  深度神經網路
  第7章  支持向量機與核方法
  第8章  聚類
  第9章  降維
  第10章  集成學習
  第11章  學習理論
高級篇
  第12章  概率圖模型
  第13章  變分推斷
  第14章  蒙特卡洛方法
  第15章  高斯過程
  第16章  深度生成模型
  第17章  強化學習
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032