机器学习之数学基础:概率统计与算法应用
正版保障 假一赔十 可开发票
￥ 42.22 6.0折 ￥ 69.8 全新
库存100件
广东广州
认证卖家担保交易快速发货售后保障
作者朱宁著
出版社中国水利水电出版社
ISBN9787522622446
出版时间2024-06
装帧平装
开本32开
定价69.8元
货号16169059
上书时间2024-10-01
![[嘉靖]随志 [康熙]随州志 [乾隆]随州志](https://www0.kfzimg.com/sw/kfz-cos/kfzimg/aeecdecb/150909781177ece1_s.jpg)
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章机器学习概述
1.1机器学习简介
1.1.1监督学习
1.1.2无监督学习
1.1.3强化学习
1.2机器学习和人工智能的发展史
1.2.1逻辑推理时代
1.2.2专家系统时代
1.2.3机器学习和深度学习时代
1.3深度学习
1.4机器学习基础一一概率论
1.5常用的机器学习Python库
1.5.1NumPy
代码1.1比较NumPy和原生态Python:
Compare_Numpy_and_Pure_Python.py
……
内容摘要
本书先从概率论的基础讲起，然后逐步深入到概率论在机器学习中的应用，最后结合机器学习实战案例，重点介绍了概率论的概念及其在机器学习中的应用。通过本书读者不但可以系统地学习常见概率的相关知识，还能对机器学习开发有更为深入的理解。
本书共10章，涵盖的主要内容：机器学习简介；为什么机器学习需要概率论；概率的定义；集合和事件；独立性；概率的性质；常见的计算概率方法；离散型和连续型概率简介；离散型和连续型概率的期望值、方差和标准差；几种常见的离散型和连续型概率分布；条件概率；联合概率；边缘概率；贝叶斯理论；随机过程简介；马尔可夫链；隐马尔克夫模型；高斯过程；常见的机器学习Python库；机器学习分类算法和回归算法简介；概率论在分类算法和回归算法中的应用；常见的分类算法和回归算法；强化学习简介；有趣的机器人游戏；GAN；图片风格转换。
本书内容通俗易懂，案例丰富，实用性强，不仅适合概率论的入门读者和进阶读者阅读，也适合机器学习从业者、人工智能算法专家等其他人工智能爱好者阅读。另外，本书也可以作为相关培训机构的教材。
精彩内容
本书先从概率论的基础讲起，然后逐步深入到概率论在机器学习中的应用，最后结合机器学习实战案例，重点介绍了概率论的概念及其在机器学习中的应用。通过本书读者不但可以系统地学习常见概率的相关知识，还能对机器学习开发有更为深入的理解。
本书共10章，涵盖的主要内容：机器学习简介；为什么机器学习需要概率论；概率的定义；集合和事件；独立性；概率的性质；常见的计算概率方法；离散型和连续型概率简介；离散型和连续型概率的期望值、方差和标准差；几种常见的离散型和连续型概率分布；条件概率；联合概率；边缘概率；贝叶斯理论；随机过程简介；马尔可夫链；隐马尔克夫模型；高斯过程；常见的机器学习Python库；机器学习分类算法和回归算法简介；概率论在分类算法和回归算法中的应用；常见的分类算法和回归算法；强化学习简介；有趣的机器人游戏；GAN；图片风格转换。
本书内容通俗易懂，案例丰富，实用性强，不仅适合概率论的入门读者和进阶读者阅读，也适合机器学习从业者、人工智能算法专家等其他人工智能爱好者阅读。另外，本书也可以作为相关培训机构的教材。
— 没有更多了 —
以下为对购买帮助不大的评价