机器学习：贝叶斯和优化方法（原书第2版）-作者: [希] 西格尔斯·西奥多里蒂斯-PDF电子书

作者: [希] 西格尔斯·西奥多里蒂斯
出版社: 机械工业出版社
副标题: 贝叶斯和优化方法
原作名: Machine Learning: A Bayesian and Optimization Perspective
译者: 王刚 / 李忠伟 / 任明明 / 李鹏
出版年: 2022-2
页数: 864
定价: 279.00
装帧: 平装
丛书: 智能科学与技术丛书
ISBN: 9787111692577

本书对所有重要的机器学习方法和新近研究趋势进行了深入探索，新版重写了关于神经网络和深度学习的章节，并扩展了关于贝叶斯学习的内容。书中首先讨论基础知识，包括均方、最小二乘和最大似然方法，以及岭回归、贝叶斯决策理论分类、逻辑回归和决策树。然后介绍较新的技术，包括稀疏建模方法、再生核希尔伯特空间和支持向量机中的学习、关注EM算法的贝叶斯推理及其变分近似推理、蒙特卡罗方法、关注贝叶斯网络的概率图模型、隐马尔可夫模型和粒子滤波。此外，书中还讨论了降维、隐变量建模、统计参数估计、维纳和卡尔曼滤波、凸优化等技术。本书适合该领域的科研人员和工程师阅读，也适合学习模式识别、统计/自适应信号处理和深度学习等课程的学生参考。