机器学习:贝叶斯和优化的角度来看,第二版

机器学习:贝叶斯和优化的角度来看,第二版机器学习,提供一个统一的视角监督学习覆盖这两个支柱,即回归和分类。这本书从最基本的开始,包括均方最小二乘法和极大似然方法,岭回归,贝叶斯决策理论分类、逻辑回归、决策树。然后发展到最近的技术,覆盖稀疏的造型方法,学习在再生核希尔伯特空间和支持向量机,贝叶斯推理与关注EM算法及其近似推理变分版本,蒙特卡罗方法,聚焦于贝叶斯网络概率图形模型,隐马尔科夫模型和粒子滤波。金宝app降维和潜变量模型也考虑深度。

这个面板的技术总结与扩展神经网络和章深度学习架构。这本书还包括统计参数估计的基本原理、维纳和卡尔曼滤波,凸性和凸优化,包括一章随机近似和梯度下降算法的家庭,提供在线学习技术以及相关概念和分布式算法的版本优化。

专注于数学,背后的物理推理的各种方法和技术在深度解释,支持的例子和问题,作为一个资源对学生和研究人员理解和应用机器学习的概念。金宝app大多数的章节包含典型的案例研究和计算机练习MATLAB。此外,MATLAB代码可以在一篇网站,使读者能够实验代码。