扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
智能系统与技术丛书机器学习中的概率统计:Python语言描述 版权信息
- ISBN：9787111669357
- 条形码：9787111669357 ; 978-7-111-66935-7
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
智能系统与技术丛书机器学习中的概率统计:Python语言描述 本书特色
适读人群 ：想要对机器学习进行深入学习的相关人士；想要对概率统计进一步深入系统地学习的学生和业内人士；金融量化等数据分析行业的从业者；理工科专业高年级本科生和研究生。（1）作者是资深AI技术专家，毕业于清华大学； （2）内容围绕机器学习核心算法涉及的概率统计知识展开； （3）加强基础知识与常用算法、应用案例之间的联系； （4）运用Python工具，做到和工程应用的无缝对接； （5）精心设计的典型案例，帮助读者高效构建机器学习概率统计理论与实践体系。
智能系统与技术丛书机器学习中的概率统计:Python语言描述 内容简介
内容简介
本书围绕机器学习算法中涉及的概率统计知识展开介绍，沿着概率思想、变量分布、参数估计、随机过程和统计推断的知识主线进行讲解，结合数学的本质内涵，用浅显易懂的语言讲透深刻的数学思想，帮助读者构建理论体系。同时，作者在讲解的过程中注重应用场景的延伸，并利用Python工具无缝对接工程应用，帮助读者学以致用。
?全书共5章。
?章以条件概率和独立性作为切入点，帮助读者建立认知概率世界的正确视角。
?第2章介绍随机变量的基础概念和重要分布类型，并探讨多元随机变量间的重要关系。
?第3章介绍极限思维以及蒙特卡罗方法，并重点分析极大似然估计方法以及有偏无偏等重要性质，*后拓展到含有隐变量的参数估计问题，介绍EM算法的原理及其应用。
?第4章由静态的随机变量过渡到动态的随机过程，重点介绍马尔可夫过程和隐马尔可夫模型。
?第5章聚焦马尔可夫链-蒙特卡罗方法，并列举实例展示Metropolis-Hastings和Gibbs的具体采样过程。
智能系统与技术丛书机器学习中的概率统计:Python语言描述 目录
第1章 概率思想：构建理论基础 1
1.1 理论基石：条件概率、独立性与贝叶斯 1
1.1.1 从概率到条件概率 1
1.1.2 条件概率的具体描述 2
1.1.3 条件概率的表达式分析 3
1.1.4 两个事件的独立性 4
1.1.5 从条件概率到全概率公式 5
1.1.6 聚焦贝叶斯公式 6
1.1.7 本质内涵：由因到果，由果推因 7
1.2 事件的关系：深入理解独立性 8
1.2.1 重新梳理两个事件的独立性 8
1.2.2 不相容与独立性 8
1.2.3 条件独立 9
1.2.4 独立与条件独立 11
1.2.5 独立重复实验 11
第2章 变量分布：描述随机世界 13
2.1 离散型随机变量：分布与数字特征 13
2.1.1 从事件到随机变量 13
2.1.2 离散型随机变量及其要素 14
2.1.3 离散型随机变量的分布列 15
2.1.4 分布列和概率质量函数 16
2.1.5 二项分布及二项随机变量 17
2.1.6 几何分布及几何随机变量 21
2.1.7 泊松分布及泊松随机变量 24
2.2 连续型随机变量：分布与数字特征 27
2.2.1 概率密度函数 27
2.2.2 连续型随机变量区间概率的计算 29
2.2.3 连续型随机变量的期望与方差 29
2.2.4 正态分布及正态随机变量 30
2.2.5 指数分布及指数随机变量 33
2.2.6 均匀分布及其随机变量 35
2.3 多元随机变量（上）：联合、边缘与条件 38
2.3.1 实验中引入多个随机变量 38
2.3.2 联合分布列 38
2.3.3 边缘分布列 39
2.3.4 条件分布列 40
2.3.5 集中梳理核心的概率理论 44
2.4 多元随机变量（下）：独立与相关 46
2.4.1 随机变量与事件的独立性 46
2.4.2 随机变量之间的独立性 47
2.4.3 独立性示例 48
2.4.4 条件独立的概念 48
2.4.5 独立随机变量的期望和方差 50
2.4.6 随机变量的相关性分析及量化方法 52
2.4.7 协方差及协方差矩阵 52
2.4.8 相关系数的概念 54
2.5 多元随机变量实践：聚焦多元正态分布 55
2.5.1 再谈相关性：基于二元标准正态分布 55
2.5.2 二元一般正态分布 57
2.5.3 聚焦相关系数 60
2.5.4 独立和相关性的关系 64
2.6 多元高斯分布：参数特征和几何意义 66
2.6.1 从一元分布到多元分布 66
2.6.2 多元高斯分布的参数形式 67
2.6.3 二元高斯分布的具体示例 68
2.6.4 多元高斯分布的几何特征 71
2.6.5 二元高斯分布几何特征实例分析 74
第3章 参数估计：探寻*大可能 77
3.1 极限思维：大数定律与中心极限定理 77
3.1.1 一个背景话题 77
3.1.2 大数定律 78
3.1.3 大数定律的模拟 80
3.1.4 中心极限定理 83
3.1.5 中心极限定理的工程意义 84
3.1.6 中心极限定理的模拟 85
3.1.7 大数定律的应用：蒙特卡罗方法 86
3.2 推断未知：统计推断的基本框架 89
3.3 极大似然估计 100
3.4 含有隐变量的参数估计问题 110
3.5 概率渐增：EM算法的合理性 118
3.6 探索EM公式的底层逻辑与由来 123
3.7 探索高斯混合模型：EM 迭代实践 127
3.8 高斯混合模型的参数求解 132
第4章 随机过程：聚焦动态特征 145
4.1 由静向动：随机过程导引 145
4.2 状态转移：初识马尔可夫链 155
4.3 变与不变：马尔可夫链的极限与稳态 164
4.4 隐马尔可夫模型：明暗两条线 176
4.5 概率估计：隐马尔可夫模型观测序列描述 183
4.6 状态解码：隐马尔可夫模型隐状态揭秘 194
4.7 连续域上的无限维：高斯过程 204
第5章 统计推断：贯穿近似策略 215
5.1 统计推断的基本思想和分类 215
5.2 随机近似方法 219
5.3 采样绝佳途径：借助马尔可夫链的稳态性质 228
5.4 马尔可夫链-蒙特卡罗方法详解 242
5.5 Gibbs采样方法简介 253
展开全部
智能系统与技术丛书机器学习中的概率统计:Python语言描述 作者简介
张雨萌 资深人工智能技术专家，毕业于清华大学计算机系，长期从事人工智能领域相关研究工作，谙熟机器学习算法应用及其背后的数学基础理论。目前已出版多部机器学习数学基础类畅销书籍，广受读者好评。
书友推荐
- >
伊索寓言-世界文学名著典藏-全译本
伊索寓言-世界文学名著典藏-全译本
¥9.3¥19.0 - >
随园食单
随园食单
¥15.4¥48.0 - >
推拿
推拿
¥12.2¥32.0 - >
莉莉和章鱼
莉莉和章鱼
¥16.4¥42.0 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.5¥10.0 - >
李白与唐代文化
李白与唐代文化
¥12.5¥29.8 - >
有舍有得是人生
有舍有得是人生
¥16.7¥45.0 - >
小考拉的故事-套装共3册
小考拉的故事-套装共3册
¥36.7¥68.0
本类畅销
-
十二字节
¥42.4¥69 -
前瞻交互:从语音、手势设计到多模融合
¥76.3¥109 -
人工智能
¥18.6¥55 -
人工智能技术商业应用场景实战
¥45.8¥79 -
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206 -
4.23文创礼盒B款--“作家言我精神状态”
¥42.3¥206
