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

貝葉斯推理與機器學習/智能科學與技術叢書

  • 作者：(英)大衛·巴伯|責編:曲熠|譯者:徐增林
  • 出版社：機械工業
  • ISBN：9787111732969
  • 出版日期：2023/10/01
  • 裝幀：平裝
  • 頁數：586
人民幣：RMB 199 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書全面介紹貝葉斯推理與機器學習，涉及基本概念、理論推導和直觀解釋，涵蓋各種實用的機器學習演算法，包括樸素貝葉斯、高斯模型、馬爾可夫模型、線性動態系統等。本書在介紹方法的同時，強調概率層面的理論支持，可幫助讀者加強對機器學習本質的認識，尤其適合想要學習機器學習中的概率方法的讀者。本書首先介紹概率論和圖的基礎概念，然後以圖模型為切入點，用一種統一的框架講解從基本推斷到高階演算法的知識。本書不僅配有BRML工具箱，而且提供大量MATLAB代碼實例，將概率模型與編程實踐相結合，從而幫助讀者更好地理解模型方法。
作者介紹
(英)大衛·巴伯|責編:曲熠|譯者:徐增林
目錄
譯者序
前言
符號表
BRML工具箱
第一部分  概率模型中的推斷
  第1章  概率推理
    1.1  概率知識複習
      1.1.1  條件概率
      1.1.2  概率表
    1.2  概率推理
    1.3  先驗、似然與后驗
      1.3.1  兩枚骰子：各自的分數是多少
    1.4  總結
    1.5  代碼
      1.5.1  基礎概率代碼
      1.5.2  通用工具
      1.5.3  示例
    1.6  練習題
  第2章  圖的基礎概念
    2.1  圖
    2.2  圖的數值表示
      2.2.1  邊表
      2.2.2  鄰接矩陣
      2.2.3  團矩陣
    2.3  總結
    2.4  代碼
      2.4.1  實用程序
    2.5  練習題
  第3章  信念網路
    3.1  結構化的優勢
      3.1.1  獨立性建模
      3.1.2  降低說明的負擔
    3.2  不確定性和不可靠的證據
      3.2.1  不確定性證據
      3.2.2  不可靠證據
    3.3  信念網路
      3.3.1  條件獨立性
      3.3.2  對撞的影響
      3.3.3  圖路徑獨立性操作
      3.3.4  d-分離
      3.3.5  圖和分佈的獨立性與相關性
      3.3.6  信念網路中的馬爾可夫等價性
      3.3.7  信念網路的有限表達性
    3.4  因果關係
      3.4.1  辛普森悖論
      3.4.2  do運算元
      3.4.3  影響圖和do運算元
    3.5  總結
    3.6  代碼
      3.6.1  簡單的推斷演示

      3.6.2  條件獨立性演示
      3.6.3  實用程序
    3.7  練習題
  第4章  圖模型
    4.1  圖模型簡介
    4.2  馬爾可夫網路
      4.2.1  馬爾可夫性質
      4.2.2  馬爾可夫隨機場
      4.2.3  Hammersley-Clifford理論
      4.2.4  使用馬爾可夫網路的條件獨立性
  ……
第二部分  學習概率模型
第三部分  機器學習
第四部分  動態模型
第五部分  近似推斷
附錄  數學基礎
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