機器學習之數學基礎:概率統計與算法應用
朱寧 編著 無 譯
- 出版商: 中國水利水電出版社
- 出版日期: 2024-06-01
- 售價: $419
- 貴賓價: 9.5 折 $398
- 語言: 簡體中文
- 頁數: 260
- ISBN: 7522622441
- ISBN-13: 9787522622446
-
相關分類:
Machine Learning、機率統計學 Probability-and-statistics
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
$505數據挖掘:實用機器學習工具與技術 (Data Mining : Practical Machine Learning Tools and Techniques, 4/e)
-
$258$245 -
$354$336 -
$520$406 -
$414$393 -
$403速通機器學習
-
$611金融中的機器學習
-
$330$314 -
$607利用 Python 實現概率、統計及機器學習方法(原書第2版)
-
$1,014$963 -
$352Python大數據分析Big Data Analysis with Python
-
$774$735 -
$356強化學習演算法入門
-
$254數據挖掘技術(微課視頻版)
-
$254統計計算
-
$704蒙特卡羅方法與人工智能
-
$505深度學習的理論基礎與核心算法
-
$600$570 -
$539$512 -
$1,015資料分析與預測演算法:基於 R語言
-
$359$341 -
$390$371 -
$534$507 -
$301最優化理論與智能算法
-
$300$270
相關主題
商品描述
本書先從概率論的基礎講起,然後逐步深入到概率論在機器學習中的應用,最後結合機器學習實戰案例,重點介紹了概率論的概念及其在機器學習中的應用。通過本書讀者不但可以系統地學習常見概率的相關知識,還能對機器學習開發有更為深入的理解。
本書共 10章,涵蓋的主要內容:機器學習簡介;為什麽機器學習需要概率論;概率的定義;集合和事件;獨立性;概率的性質;常見的計算概率方法;離散型和連續型概率簡介;離散型和連續型概率的期望值、方差和標準差;幾種常見的離散型和連續型概率分佈;條件概率;聯合概率;邊緣概率;貝葉斯理論;隨機過程簡介;馬爾可夫鏈;隱馬爾克夫模型;高斯過程;常見的機器學習 Python 庫;機器學習分類算法和回歸算法簡介;概率論在分類算法和回歸算法中的應用;常見的分類算法和回歸算法;強化學習簡介;有趣的機器人游戲;GAN;圖片風格轉換。
本書內容通俗易懂,案例豐富,實用性強,不僅適合概率論的入門讀者和進階讀者閱讀,也適合機器學習從業者、人工智能算法專家等其他人工智能愛好者閱讀。另外,本書也可以作為相關培訓機構的教材。