Machine Learning:A Probabilistic Perspective

Machine Learning
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者:
出版社: The MIT Press
2012-08
ISBN: 9780262018029
装帧: 精装
开本: 其他
纸张: 其他
  • Today's Web-enabled deluge of electronic data calls for automated methods of data analysis. Machine learning provides these, developing methods that can automatically detect patterns in data and then use the uncovered patterns to predict future data. T Kevin P. Murphy is Associate Professor in the Department of Computer Science and in the Department of Statistics at the University of British Columbia. Chapter 1: Introduction
    Chapter 2: Probability
    Chapter 3: Statistics
    Chapter 4: Gaussian models
    Chapter 5: Generative models for classification
    Chapter 6: Discriminative linear models
    Chapter 7: Graphical Models
    Chapter 8: Decision theory
    Chapter 9: Mixture models and the EM algorithm
    Chapter 10: Latent Linear models
    Chapter 11: Hierarchical Bayes
    Chapter 12: Sparce Linear Models
    Chapter 13: Kernels
    Chapter 14: Gaussian processes
    Chapter 15: Adaptive basis function models
    Chapter 16: Markov and hidden Markov Models
    Chapter 17: State space models
    Chapter 18: Conditional random fields
    Chapter 19: Exact inference algorithms for graphical models
    Chapter 20: Mean field inference algorithms
    Chapter 21: Other variational inference algorithms
    Chapter 22: Monte Carlo inference algorithms
    Chapter 23: MCMC inference algorithms
    Chapter 24: Clustering
    Chapter 25: Graphical model structure learning
    Chapter 26: Two-layer latent variable models
    Chapter 27: Deep learning
  • 内容简介:
    Today's Web-enabled deluge of electronic data calls for automated methods of data analysis. Machine learning provides these, developing methods that can automatically detect patterns in data and then use the uncovered patterns to predict future data. T
  • 作者简介:
    Kevin P. Murphy is Associate Professor in the Department of Computer Science and in the Department of Statistics at the University of British Columbia.
  • 目录:
    Chapter 1: Introduction
    Chapter 2: Probability
    Chapter 3: Statistics
    Chapter 4: Gaussian models
    Chapter 5: Generative models for classification
    Chapter 6: Discriminative linear models
    Chapter 7: Graphical Models
    Chapter 8: Decision theory
    Chapter 9: Mixture models and the EM algorithm
    Chapter 10: Latent Linear models
    Chapter 11: Hierarchical Bayes
    Chapter 12: Sparce Linear Models
    Chapter 13: Kernels
    Chapter 14: Gaussian processes
    Chapter 15: Adaptive basis function models
    Chapter 16: Markov and hidden Markov Models
    Chapter 17: State space models
    Chapter 18: Conditional random fields
    Chapter 19: Exact inference algorithms for graphical models
    Chapter 20: Mean field inference algorithms
    Chapter 21: Other variational inference algorithms
    Chapter 22: Monte Carlo inference algorithms
    Chapter 23: MCMC inference algorithms
    Chapter 24: Clustering
    Chapter 25: Graphical model structure learning
    Chapter 26: Two-layer latent variable models
    Chapter 27: Deep learning
查看详情
好书推荐 / 更多
Machine Learning
唐宋时期的雕版印刷
宿白
Machine Learning
文本及其不满
黄子平
Machine Learning
显微镜下的成都
王笛 著
Machine Learning
矮人星上的矮人(翁贝托·埃科作品系列)
翁贝托·埃科 、欧金尼奥·卡尔米 著;王建全 译
Machine Learning
人生档案:波兰当代戏剧家剧作选
黄珊、赵祯 译;维托尔德·贡布罗维奇;塔代乌什·鲁热维奇;斯拉沃米尔·姆罗热克;斯塔尼斯瓦夫·伊格纳奇·维特凯维奇
Machine Learning
一个利他主义者之死
奥伦·哈曼 著
Machine Learning
谁都可以画漫画!手冢治虫大师班
甘卉 、后浪 译;[日]手冢治虫
Machine Learning
杜甫:中国最伟大的诗人(史学大家洪业唯一专书著述,哈佛大学出版社研究作品,BBC热播同名杜甫纪录片重点参考,梁文道“开卷八分钟”特别推荐)
洪业 著;曾祥波 译
Machine Learning
数学之美 第三版
吴军
Machine Learning
俄苏文学经典译著·盗用公款的人们
卡泰耶夫 著;小莹 译
Machine Learning
十三行小字中央
江弱水 著
Machine Learning
两京十五日(全2册)马伯庸全新作品
马伯庸 著