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
理想国译丛043:资本主义的未来
[英]保罗·科利尔 著
Machine Learning
1789:三城记
[英]迈克·拉波特 著;夏天 译
Machine Learning
当所有愿望实现:以自由,以死亡
[奥]托马斯·格拉维尼奇 著;刘海宁 译
Machine Learning
寻找昨日书店
艾米·迈耶森 著;王马奇 译
Machine Learning
咫尺天涯:最后的老北京
肖复兴
Machine Learning
醉钢琴与地下蓝调:汤姆·威兹谈汤姆·威兹
[美]小保罗·马赫 编;业之 译
Machine Learning
上海早期影迷文化史(1897-1937)
侯凯 著
Machine Learning
动画表演规律:让你的角色活起来(全球畅销经典版)
[加]南希·贝曼(Nancy Beiman) 著;王瑶 译
Machine Learning
巴黎评论·作家访谈5(“巴黎评论·作家访谈系列”新一辑,共收录以下十六位作家的长篇访谈)
美国《巴黎评论》编辑部
Machine Learning
满是空虚之物
[日]阿伏伽德六 著;黄文娟 译
Machine Learning
金冲及文丛·一本书的历史:胡乔木、胡绳谈《中国共产党的七十年》
金冲及 著
Machine Learning
仿佛若有光:大理访谈录如果你渴望改变,去大理吧!那里有来自全世界的文化异质者,那里有一切可能!
黄菊 著