机器学习之数学基础
正版保障 假一赔十 电子发票
￥ 39.24 5.6折 ￥ 69.8 全新
库存13件
湖北武汉
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
开本其他
定价69.8元
货号4620716
上书时间2024-12-31
商品详情
- 品相描述：全新
- 商品描述
-
目录
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。
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。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价