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

機器學習貝葉斯優化

  • 作者：(美)阮泉|責編:王軍|譯者:殷海英
  • 出版社：清華大學
  • ISBN：9787302684695
  • 出版日期：2025/04/01
  • 裝幀：平裝
  • 頁數：327
人民幣：RMB 99.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《機器學習貝葉斯優化》一書將教你如何運用貝葉斯方法創建高效的機器學習流程。本書呈現了處理大型數據集、調優超參數以及探索複雜搜索空間的實用技巧。書中內容生動有趣，包含豐富的插圖和引人入勝的實例，如優化咖啡的甜度、天氣預測建模，甚至用科學邏輯揭秘超自然現象。你將學會多目標決策場景下的資源分配策略、成本敏感型問題的量化決策方法，以及成對比較問題的概率建模技巧。針對稀疏和大數據集的高斯過程超參數調優策略高性能參數區域的識別方法基於PyTorch/GPyTorch/BoTorch的代碼實現。
作者介紹
(美)阮泉|責編:王軍|譯者:殷海英
    阮泉，現任聖路易斯華盛頓大學的研究助理。他曾為Python軟體基金會撰稿，並已編寫了多本關於Python編程的暢銷書。
目錄
  第1章  貝葉斯優化簡介
    1.1  尋找昂貴黑盒函數的最優解
      1.1.1  昂貴的黑盒優化問題示例：超參數調優
      1.1.2  昂貴黑盒優化問題
      1.1.3  其他昂貴黑盒優化問題的示例
    1.2  引入貝葉斯優化
      1.2.1  使用高斯過程進行建模
      1.2.2  使用貝葉斯優化策略進行決策
      1.2.3  將高斯過程和優化策略結合起來形成優化循環
      1.2.4  貝葉斯優化的實際應用
    1.3  你將從本書中學到什麼
    1.4  本章小結
第Ⅰ部分  使用高斯過程建模
  第2章  高斯過程作為函數上的分佈
    2.1  如何以貝葉斯方式出售你的房子
    2.2  運用多元高斯分佈對相關性建模並進行貝葉斯更新
      2.2.1  使用多元高斯分佈聯合建模多個變數
      2.2.2  更新多元高斯分佈
      2.2.3  使用高維高斯分佈建模多個變數
    2.3  從有限維高斯分佈到無限維高斯分佈
    2.4  在Python中實現高斯過程
      2.4.1  設置訓練數據
      2.4.2  實現一個高斯過程類
      2.4.3  使用高斯過程進行預測
      2.4.4  高斯過程的預測可視化
      2.4.5  超越一維目標函數
    2.5  練習題
    2.6  本章小結
  第3章  通過均值和協方差函數定製高斯過程
    3.1  貝葉斯模型中先驗的重要性
    3.2  將已知的信息融入高斯過程
    3.3  使用均值函數定義函數行為
      3.3.1  使用零均值函數作為基本策略
      3.3.2  使用常數函數和梯度下降法
      3.3.3  使用線性函數和梯度下降法
      3.3.4  通過實現自定義均值函數來使用二次函數
    3.4  用協方差函數定義變異性和平滑性
      3.4.1  協方差函數的尺度設置
      3.4.2  使用不同的協方差函數控制平滑度
      3.4.3  使用多個長度尺度來模擬不同水平的變異性
    3.5  練習題
    3.6  本章小結
第Ⅱ部分  使用貝葉斯優化進行決策
第Ⅲ部分  將貝葉斯優化擴展到特定設置
第Ⅳ部分  特殊高斯過程模型
附錄A  練習題實現方案(在線提供)

  • 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