貝葉斯推理與機器學習 大衛.巴伯 9787111732969 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$1,266
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202310*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：貝葉斯推理與機器學習 ISBN：9787111732969 出版社：機械工業 著編譯者：大衛.巴伯 叢書名：智能科學與技術叢書 頁數：586 所在地：中國大陸 *此為代購商品 書號：1591478 可大量預訂，請先連絡。 內容簡介 本書全面介紹貝葉斯推理與機器學習，涉及基本概念、理論推導和直觀解釋，涵蓋各種實用的機器學習演算法，包括樸素貝葉斯、高斯模型、馬爾可夫模型、線性動態系統等。本書在介紹方法的同時，強調概率層面的理論支持，可幫助讀者加強對機器學習本質的認識，尤其適合想要學習機器學習中的概率方法的讀者。本書首先介紹概率論和圖的基礎概念，然後以圖模型為切入點，用一種統一的框架講解從基本推斷到高階演算法的知識。本書不僅配有BRML工具箱，而且提供大量MATLAB代碼實例，將概率模型與編程實踐相結合，從而幫助讀者更好地理解模型方法。作者簡介 徐增林，哈爾濱工業大學（深圳）教授，博士生導師，曾在香港中文大學、密西根州立大學、馬克斯普朗克計算機研究所、普度大學、電子科技大學等單位從事科研工作。主要研究方向為機器學習及應用，在人工智慧領域發表一百多篇國際會議和期刊論文，發表專著一部，任國際神經網路學會成都學會主席，擔任Neural Networks、Neurocomputing等期刊編委。獲國際神經網路學會青年研究者獎，獲國家、四川省、深圳市等高層次人才稱號。目錄 譯者序前言 符號表 BRML工具箱 第一部分 概率模型中的推斷 第1章 概率推理 1 1 概率知識複習 1 1 1 條件概率 1 1 2 概率表 1 2 概率推理 1 3 先驗、似然與后驗 1 3 1 兩枚骰子：各自的分數是多少 1 4 總結 1 5 代碼 1 5 1 基礎概率代碼 1 5 2 通用工具 1 5 3 示例 1 6 練習題 第2章 圖的基礎概念 2 1 圖 2 2 圖的數值表示 2 2 1 邊表 2 2 2 鄰接矩陣 2 2 3 團矩陣 2 3 總結 2 4 代碼 2 4 1 實用程序 2 5 練習題 第3章 信念網路 3 1 結構化的優勢 3 1 1 獨立性建模 3 1 2 降低說明的負擔 3 2 不確定性和不可靠的證據 3 2 1 不確定性證據 3 2 2 不可靠證據 3 3 信念網路 3 3 1 條件獨立性 3 3 2 對撞的影響 3 3 3 圖路徑獨立性操作 3 3 4 d-分離 3 3 5 圖和分佈的獨立性與相關性 3 3 6 信念網路中的馬爾可夫等價性 3 3 7 信念網路的有限表達性 3 4 因果關係 3 4 1 辛普森悖論 3 4 2 do運算元 3 4 3 影響圖和do運算元 3 5 總結 3 6 代碼 3 6 1 簡單的推斷演示 3 6 2 條件獨立性演示 3 6 3 實用程序 3 7 練習題 第4章 圖模型 4 1 圖模型簡介 4 2 馬爾可夫網路 4 2 1 馬爾可夫性質 4 2 2 馬爾可夫隨機場 4 2 3 Hammersley-Clifford理論 4 2 4 使用馬爾可夫網路的條件獨立性 第二部分 學習概率模型 第三部分 機器學習 第四部分 動態模型 第五部分 近似推斷 附錄 數學基礎 參考文獻 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
