无锡市图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

机器学习入门/(日) 须山敦志著 王卫兵, 杨秋香等译

出版发行项:

北京:机械工业出版社,2020.10

ISBN及定价:

978-7-111-66360-7/CNY69.00

载体形态项:

XII, 180页:图;24cm

并列正题名:

Introduction to machine learning by bayesian inference

个人责任者:

须山敦志 著

个人次要责任者:

王卫兵 译

个人次要责任者:

杨秋香 译

学科主题:

机器学习

中图法分类号:

TP181

出版发行附注:

由日本讲谈社正式授权

相关题名附注:

英文并列题名取自于CIP数据

书目附注:

有书目 (第178-180页)

提要文摘附注:

作为机器学习的核心，本书介绍的基于贝叶斯推论的机器学习，其基本思想是将数据及数据产生的过程视为随机事件，从数据的固有特征开始，通过一系列假定来进行数据的描述，进而构建出与机器学习任务相适应的随机模型，然后通过模型的解析求解或近似求解得出未知事件的预测模型。通过贝叶斯学习，我们可以了解到更多关于数据的信息，进而可以大致清楚进行学习的神经网络的规模和复杂程度。更重要的是，当神经网络学习中出现问题的时候，通过贝叶斯学习可以找到解决问题的方向和途径。因此，可以说贝叶斯学习是深度神经网络学习的理论基础，也是进行神经网络学习的必修课。本书在内容安排上，尽可能对概率统计和随机过程的基础进行了较为完整的介绍，并对常用的概率分布进行了详尽的介绍和分析。在此基础上重点介绍了单一模型及混合模型的贝叶斯推论方法，并结合具体应用进行了扩展介绍和分析。在注重理论介绍的同时也考虑到了实际的应用扩展，从而保证了读者学习的完整性。其所给出的随机模型分析、构建及求解方法力图详尽，为读者进行贝叶斯方法的学习和实际应用具有较高的指导和参考价值。

使用对象附注:

机器学习者

豆瓣简介：