机器学习：贝叶斯和优化方法.原书第2版
作者： （希）西格尔斯·西奥多里蒂斯著；王刚等译
出版发行： 北京：机械工业出版社 , 2021.10
I S B N 号： 978-7-111-69257-7
页数： 828
丛书名： 智能科学与技术丛书
原书定价： 279.00
开本： 16开
主题词： 机器学习
中图法分类号：
TP181 ( 工业技术->自动化技术、计算机技术->自动化基础理论->人工智能理论 )
内容提要：
本书对所有重要的机器学习方法和新近研究趋势进行了深入探索，新版重写了关于神经网络和深度学习的章节，并扩展了关于贝叶斯学习的内容。书中首先讨论基础知识，包括均方、zui小二乘和zui大似然方法，以及岭回归、贝叶斯决策理论分类、逻辑回归和决策树。然后介绍较新的技术，包括稀疏建模方法、再生核希尔伯特空间和支持向量机中的学习、关注EM算法的贝叶斯推理及其变分近似推理、蒙特卡罗方法、关注贝叶斯网络的概率图模型、隐马尔可夫模型和粒子滤波。此外，书中还讨论了降维、隐变量建模、统计参数估计、维纳和卡尔曼滤波、凸优化等技术。本书适合该领域的科研人员和工程师阅读，也适合学习模式识别、统计自适应信号处理和深度学习等课程的学生参考。