深入淺出(2020年機械工業出版社出版的圖書)

內容簡介

實用性是本書的基本出發點，書中介紹了近年來在工業界被廣泛套用的機器學習算法，這些算法經受了時間的考驗，不但效果好而且使用方便。此外，本書也十分注重理論的深度和完整性，內容編排力求由淺入深、推理完整、前後連貫、自成體系，先講統計學、矩陣、最佳化方法這些基礎知識，再介紹線性模型、機率圖模型、文本向量化算法、樹模型和深度學習。與大多數機器學習圖書不同，本書還介紹了算法周邊的一些工程架構及實現原理，比如如何實時地收集訓練樣本和監控算法指標、參數伺服器的架構設計、做A/B 測試的注意事項等。

本書理論體系完整，公式推導清晰，可作為機器學習初學者的自學用書。讀者無需深厚的專業知識, 本科畢業的理工科學生都能看懂。另外由於本書與工業實踐結合得很緊密，所以也非常適合於從事算法相關工作的工程技術人員閱讀。

圖書目錄

前言

第 1 章概述

1.1 機器學習基本流程 /1

1.2 業界常用算法 /2

1.3 構建機器學習系統 /3

第 2 章統計學

2.1 機率分布 /5

2.1.1 期望與方差 /5

2.1.2 機率密度函式 /7

2.1.3 累積分布函式 /10

2.2 極大似然估計與貝葉斯估計 /11

2.2.1 極大似然估計 /11

2.2.2 貝葉斯估計 /13

2.2.3 共軛先驗與平滑的關係 /15

2.3 置信區間 /15

2.3.1 t 分布 /16

2.3.2 區間估計 /17

2.3.3 Wilson 置信區間 /19

2.4 相關性 /20

2.4.1 數值變數的相關性 /20

2.4.2 分類變數的相關性 /22

2.4.3 順序變數的相關性 /27

2.4.4 分布之間的距離 /28

第 3 章矩陣

3.1 矩陣的物理意義 /30

3.1.1 矩陣是什麼 /30

3.1.2 矩陣的行列式 /31

3.1.3 矩陣的逆 /32

3.1.4 特徵值和特徵向量 /32

3.2 矩陣的數值穩定性 /33

3.2.1 矩陣數值穩定性的度量 /33

3.2.2 基於列主元的高斯約當消元法 /33

3.2.3 嶺回歸 /38

3.3 矩陣分解 /38

3.3.1 特徵值分解與奇異值分解 /39

3.3.2 高維稀疏矩陣的特徵值分解 /40

3.3.3 基於矩陣分解的推薦算法 /45

3.4 矩陣編程實踐 /46

3.4.1 numpy 數組運算 /46

3.4.2 稀疏矩陣的壓縮方法 /50

3.4.3 用 MapReduce 實現矩陣乘法 /52

深入淺出(2020年機械工業出版社出版的圖書)

基本介紹

內容簡介

圖書目錄

作者簡介

相關詞條

熱門詞條