贝叶斯推理与机器学习 人工智能、机器学习、深度学习、AI、Chatgpt领域重磅教程 图书 pdf下载
isbn:9787111732969
限时特惠
00:00:00
活动结束后恢复原价
纸质书参考价
¥23
电子版限时价
¥5.99
省 18 元
选择版本
内容简介
本篇主要提供贝叶斯推理与机器学习 人工智能、机器学习、深度学习、AI、Chatgpt领域重磅教程 图书电子书的pdf版本下载,本电子书下载方式为百度网盘方式,点击以上按钮下单完成后即会通过邮件和网页的方式发货,有问题请联系邮箱ebook666@outlook.com

作 者:(英)大卫·巴伯 著 徐增林 译
定 价:199
出 版 社:机械工业出版社
出版日期:2023年10月01日
页 数:612
装 帧:平装
ISBN:9787111732969
本书全面介绍贝叶斯推理与机器学习,涉及基本概念、理论推导和直观解释,涵盖各种实用的机器学习算法,包括朴素贝叶斯、高斯模型、马尔可夫模型、线性动态系统等。本书在介绍方法的同时,强调概率层面的理论支持,可帮助读者加强对机器学习本质的认识,尤其适合想要学习机器学习中的概率方法的读者。
●译者序
前言
符号表
BRML工具箱
第一部分概率模型中的推断
第1章概率推理3
1.1概率知识复习3
1.1.1条件概率5
1.1.2概率表7
1.2概率推理8
1.3先验、似然与后验14
1.3.1两枚骰子:各自的分数是多少15
1.4总结18
1.5代码18
1.5.1基础概率代码18
……
前言
符号表
BRML工具箱
第一部分概率模型中的推断
第1章概率推理3
1.1概率知识复习3
1.1.1条件概率5
1.1.2概率表7
1.2概率推理8
1.3先验、似然与后验14
1.3.1两枚骰子:各自的分数是多少15
1.4总结18
1.5代码18
1.5.1基础概率代码18
……
本书全面介绍贝叶斯推理与机器学习,涉及基本概念、理论推导和直观解释,涵盖各种实用的机器学习算法,包括朴素贝叶斯、高斯模型、马尔可夫模型、线性动态系统等。本书在介绍方法的同时,强调概率层面的理论支持,可帮助读者加强对机器学习本质的认识,尤其适合想要学习机器学习中的概率方法的读者。本书首先介绍概率论和图的基础概念,然后以图模型为切入点,用一种统一的框架讲解从基本推断到高阶算法的知识。本书不仅配有BRML工具箱,而且提供大量MATLAB代码实例,将概率模型与编程实践相结合,从而帮助读者更好地理解模型方法。