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
许倬云说美国:一个不断变化的现代西方文明
许倬云 著
Machine Learning
(现代人小丛书)叙事的胜利——在大众文化时代讲故事
[加拿大]罗伯特·弗尔福德 著;李磊 译
Machine Learning
我心深处(美国电影大师伍迪·艾伦权威访谈录)
[美]伍迪·艾伦(Woody Allen) 著;博集天卷 出品
Machine Learning
蓝图(好社会的八大特征)
尼古拉斯·克里斯塔基斯(Nicholas A.Christakis) 著;贾拥民 译
Machine Learning
理想的工作间
[韩]金霞娜 著;刘欣、全毅 译
Machine Learning
印学百咏
何积石 著
Machine Learning
科学素养:概念、情境与影响
肯妮.A.迪布纳 著;肯妮·A. 迪布纳(主编) 编;凯瑟琳.E.斯诺、凯瑟琳·E. 斯诺、裴新宁、郑太年 译
Machine Learning
女性的时刻
梅琳达·盖茨 著
Machine Learning
美丽的数学(一本独具特色的数学科普书)
[美]爱德华·沙伊纳曼(Edward Scheinerman) 著;博集天卷 出品
Machine Learning
万千心理·游戏的力量:58种经典儿童游戏治疗技术
Cangelosi 著;[美]Charles、E.Schaefer、[美]Donna、张琦云、吴晨骏 译
Machine Learning
疫苗竞赛:人类对抗疾病的代价(比尔·盖茨年度推荐!解答疫苗困惑。医学新闻报道的典范之作!《科学》《自然》期刊权威推荐)
梅雷迪丝·瓦德曼 著;罗爽 译
Machine Learning
思考的艺术(第11版)·英文版
[美]文森特·赖安·拉吉罗(Vincent Ryan Ruggiero)