互联网 类型
可以朗读 语音朗读
29千字 字数
No.16 科学技术
2025-05-01 发行日期
展开全部

主编推荐语

本书深入剖析机器学习中的概率思维。

内容简介

本书从基础理论出发，结合经典案例，阐述如何将概率思维巧妙地应用于机器学习算法，帮助读者理解数据背后的规律与不确定性。

除引言外，全书内容分为5章，包括贝叶斯定理中的概率思维、朴素贝叶斯算法中的概率思维、极大似然估计和最大后验估计、贝叶斯网络、马尔可夫链和隐马尔可夫模型。

目录

  • 版权信息
  • 内容简介
  • 引言 概率对于机器学习的重要性
  • 第1章 贝叶斯定理中的概率思维
  • 1.1 概率基础知识
  • 1.2 条件独立
  • 1.3 贝叶斯定理的证据思想
  • 1.3.1 贝叶斯定理实际应用
  • 1.3.2 阐述公式背后的意义
  • 1.4 贝叶斯哲学本质
  • 1.4.1 趋于真理的过程
  • 1.4.2 贝叶斯哲学精神
  • 1.5 贝叶斯数学思想
  • 第2章 朴素贝叶斯算法中的概率思维
  • 2.1 应用贝叶斯定理构建朴素贝叶斯分类器
  • 2.2 比较条件概率
  • 2.3 朴素贝叶斯的类型
  • 第3章 极大似然估计和最大后验估计
  • 3.1 极大似然估计
  • 3.2 最大后验估计
  • 3.3 MLE与MAP估计的区别与联系
  • 3.4 使用MAP估计求解硬币翻转问题
  • 3.5 贝叶斯推理
  • 3.5.1 贝叶斯推理举例
  • 3.5.2 贝叶斯推理详细推导
  • 3.5.3 期望后验
  • 3.6 逻辑回归中的极大似然和最大后验
  • 3.7 高斯判别分析
  • 第4章 贝叶斯网络
  • 4.1 从条件概率到贝叶斯网络定义
  • 4.2 贝叶斯网络结构
  • 4.3 条件概率表
  • 4.4 贝叶斯网络解释
  • 第5章 马尔可夫链和隐马尔可夫模型
  • 5.1 马尔可夫链：概率序列
  • 5.2 马尔可夫假设
  • 5.3 求马尔可夫链某个状态的概率
  • 5.4 隐马尔可夫模型
  • 5.5 隐马尔可夫前向算法和后向算法
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。