字数:20.7万字 出版社:清华大学出版社
机器学习是人工智能的核心,而统计思维则是机器学习方法的核心:从随机性中寻找规律性。例如,利用损失最小化思想制定学习策略,利用方差对不确定性的捕捉构造 k维树,采用贝叶斯公式构建分类决策模型,等等。只有树立正确的统计思维,才能准确高效地运用机器学习方法开展数据处理与分析。本书以统计思维的视角,揭示监督学习中回归和分类模型的核心思想,帮助读者构建理论体系。 具体模型包括线性回归模型、K近邻模型、贝叶斯推断、逻辑回归模型、决策树模型、感知机模型、支持向量机、EM算法和提升方法。本书共12章,绪论介绍贯穿本书的两大思维模式,以及关于全书的阅读指南;第1章介绍一些基本术语,并给出监督学习的流程;第2章介绍关于回归问题的机器学习方法;第3~9章介绍关于分类问题的机器学习方法;第10章介绍可应用于具有隐变量模型的参数学习算法——EM算法;第11章简单介绍集成学习,并重点阐述其中的提升(Boosting)方法。
书圈
快来说两句,抢沙发