机器学习数学基础：概率论与数理统计

作者: 李昂

出版社: 北京大学出版社

出版时间: 2021-11

版次: 1

ISBN: 9787301324059

定价: 79.00

装帧: 其他

开本: 16开

纸张: 胶版纸

页数: 312页

分类: 计算机与互联网

5 张插图图片

15人买过

《机器学习数学基础：概率论与数理统计》从基础的概率统计知识讲起，逐步深入到机器学习以及深度学习的分类算法，并在后配合深度学习的实战案例，介绍了softmax回归函数在手写体图像识别中的具体应用。通过手动编辑代码，让读者更深入地了解概率在人工智能领域的重大作用。全书分为16章，涵盖的内容主要有概率统计在人工智能发展过程中的重要影响；随机试验及概率的概念；随机变量的分布及多维随机变量的分布情况；贝叶斯算法；正态分布现象；随机变量的数字特征；机器学习中的损失函数；大数定律；样本及抽样分布的做法；参数估计的概念；马尔科夫链；过拟合与欠拟合问题及解决方法；Tensorflow概述及安装方法；卷积神经网络介绍；实验演练之手写体数字识别等。
《机器学习数学基础：概率论与数理统计》配有大量的插图，以身边的生活现象为基础，深入简出地介绍了什么是概率统计，特别适合数学基础薄弱、想学习概率统计又怕自己看不懂的初学者阅读。同时也适合机器学习、深度学习的人工智能爱好者阅读。李昂，博士，机械设计专业，曾先后在工程机械行业的龙头企业徐工集团从事CAE仿真工作；在建筑机器人行业寡头碧桂园旗下的博智林机器人公司担任高级项目经理，从事建筑机器人的整体研发工作。目前在江苏集萃道路研究所任职信息化与智能控制部门副部长。CSDN资深博主，在CSDN上发表文章70余篇，内容涵盖深度学习、机器学习、定位导航等领域。目录

第1章机器学习及概率 1

1.1 机器学习概述 2

1.2 机器学习的发展历史 8

1.3 机器学习的研发进展 11

1.4 机器学习与概率的关系 14

第2章随机试验及概率 21

2.1 概率及概率的特点 22

2.2 概率与频率 28

2.3 等可能概型（古典概型） 32

2.4 概率小故事——三门问题 36

第3章随机变量及其分布 38

3.1 随机变量 39

3.2 离散型随机变量及其分布律 42

3.3 随机变量的分布函数 46

3.4 连续型随机变量及其概率密度 47

3.5 概率小故事——星期二男孩 51

第4章多维随机变量及其分布 53

4.1 二维随机变量 54

4.2 边缘分布 61

4.3 概率小故事——彭尼的游戏 64

第5章贝叶斯问题 69

5.1 由暗恋引发的思考 70

5.2 贝叶斯概率 71

5.3 贝叶斯算法原理 72

5.4 朴素贝叶斯算法原理 82

5.5 概率小故事——你打游戏能赢吗 86

第6章正态分布 89

6.1 生活中的正态分布现象 90

6.2 正态分布 91

正态分布实验 91

6.3 为何机器学习经常用到正态分布 92

6.4 正态分布的计算 93

6.5 概率小故事——你的朋友都比你有人缘？ 99

第7章随机变量的数字特征 104

7.1 数学期望 105

7.2 方差 109

7.3 协方差及相关系数 118

7.4 随机变量的矩与切比雪夫不等式 125

7.5 概率小故事——赌博默示录 130

第8章机器学习中的损失函数 136

8.1 交叉熵损失函数 137

8.2 Sigmoid函数与Softmax回归问题 144

8.2.1 Softmax概述 144

8.3 概率小故事——同一天生日问题 148

第9章大数定律 151

9.1 大数定律 152

9.2 中心极限定理 157

9.3 概率小故事——捉羊问题 160

第10章样本及抽样分布 167

10.1 总体及样本 168

10.2 直方图和箱线图 173

10.3 抽样分布 183

10.4 概率小故事——布丰问题 194

第11章参数估计 199

11.1 点估计 200

11.2 区间估计 207

11.3 概率小故事——你有病吗？ 212

第12章马尔科夫链 214

12.1 马尔科夫链概述 215

12.2 隐马尔科夫链与打靶问题 225

12.3 概率小故事——伟大的数学家 231

第13章过拟合与欠拟合问题 233

13.1 生活中的过拟合与欠拟合现象 234

13.2 过拟合与欠拟合概念 235

13.3 解决过拟合与欠拟合问题的“四大金刚” 236

13.4 概率小故事——路边的阴谋 248

第14章安装TensorFlow 250

14.1 安装前准备工作 251

14.2 开始使用TensorFlow 258

14.3 概率小故事——范进中举是巧合吗？ 260

第15章卷积神经网络 262

15.1 卷积神经网络的生物背景 263

15.2 计算机可以做什么 264

15.3 卷积神经网络的基本概念 264

15.4 卷积神经网络运算过程 268

15.4.1 卷积神经网络与前馈神经网络 268

15.4.2 卷积运算的原理 269

15.4.3 卷积运算形式 271

15.4.4 卷积网络工作方式 271

15.4.5 池化过程 274

15.5 反向传播 274

15.6 概率小故事——狼来了吗 282

第16章手写体数字识别 284

16.1 LeNet-5模型介绍 285

16.2 手写体数字识别 292

16.3 概率小故事——测一测您有多大概率看完本书？ 299
内容简介:
《机器学习数学基础：概率论与数理统计》从基础的概率统计知识讲起，逐步深入到机器学习以及深度学习的分类算法，并在后配合深度学习的实战案例，介绍了softmax回归函数在手写体图像识别中的具体应用。通过手动编辑代码，让读者更深入地了解概率在人工智能领域的重大作用。全书分为16章，涵盖的内容主要有概率统计在人工智能发展过程中的重要影响；随机试验及概率的概念；随机变量的分布及多维随机变量的分布情况；贝叶斯算法；正态分布现象；随机变量的数字特征；机器学习中的损失函数；大数定律；样本及抽样分布的做法；参数估计的概念；马尔科夫链；过拟合与欠拟合问题及解决方法；Tensorflow概述及安装方法；卷积神经网络介绍；实验演练之手写体数字识别等。
《机器学习数学基础：概率论与数理统计》配有大量的插图，以身边的生活现象为基础，深入简出地介绍了什么是概率统计，特别适合数学基础薄弱、想学习概率统计又怕自己看不懂的初学者阅读。同时也适合机器学习、深度学习的人工智能爱好者阅读。
作者简介:
李昂，博士，机械设计专业，曾先后在工程机械行业的龙头企业徐工集团从事CAE仿真工作；在建筑机器人行业寡头碧桂园旗下的博智林机器人公司担任高级项目经理，从事建筑机器人的整体研发工作。目前在江苏集萃道路研究所任职信息化与智能控制部门副部长。CSDN资深博主，在CSDN上发表文章70余篇，内容涵盖深度学习、机器学习、定位导航等领域。
目录:
目录

第1章机器学习及概率 1

1.1 机器学习概述 2

1.2 机器学习的发展历史 8

1.3 机器学习的研发进展 11

1.4 机器学习与概率的关系 14

第2章随机试验及概率 21

2.1 概率及概率的特点 22

2.2 概率与频率 28

2.3 等可能概型（古典概型） 32

2.4 概率小故事——三门问题 36

第3章随机变量及其分布 38

3.1 随机变量 39

3.2 离散型随机变量及其分布律 42

3.3 随机变量的分布函数 46

3.4 连续型随机变量及其概率密度 47

3.5 概率小故事——星期二男孩 51

第4章多维随机变量及其分布 53

4.1 二维随机变量 54

4.2 边缘分布 61

4.3 概率小故事——彭尼的游戏 64

第5章贝叶斯问题 69

5.1 由暗恋引发的思考 70

5.2 贝叶斯概率 71

5.3 贝叶斯算法原理 72

5.4 朴素贝叶斯算法原理 82

5.5 概率小故事——你打游戏能赢吗 86

第6章正态分布 89

6.1 生活中的正态分布现象 90

6.2 正态分布 91

正态分布实验 91

6.3 为何机器学习经常用到正态分布 92

6.4 正态分布的计算 93

6.5 概率小故事——你的朋友都比你有人缘？ 99

第7章随机变量的数字特征 104

7.1 数学期望 105

7.2 方差 109

7.3 协方差及相关系数 118

7.4 随机变量的矩与切比雪夫不等式 125

7.5 概率小故事——赌博默示录 130

第8章机器学习中的损失函数 136

8.1 交叉熵损失函数 137

8.2 Sigmoid函数与Softmax回归问题 144

8.2.1 Softmax概述 144

8.3 概率小故事——同一天生日问题 148

第9章大数定律 151

9.1 大数定律 152

9.2 中心极限定理 157

9.3 概率小故事——捉羊问题 160

第10章样本及抽样分布 167

10.1 总体及样本 168

10.2 直方图和箱线图 173

10.3 抽样分布 183

10.4 概率小故事——布丰问题 194

第11章参数估计 199

11.1 点估计 200

11.2 区间估计 207

11.3 概率小故事——你有病吗？ 212

第12章马尔科夫链 214

12.1 马尔科夫链概述 215

12.2 隐马尔科夫链与打靶问题 225

12.3 概率小故事——伟大的数学家 231

第13章过拟合与欠拟合问题 233

13.1 生活中的过拟合与欠拟合现象 234

13.2 过拟合与欠拟合概念 235

13.3 解决过拟合与欠拟合问题的“四大金刚” 236

13.4 概率小故事——路边的阴谋 248

第14章安装TensorFlow 250

14.1 安装前准备工作 251

14.2 开始使用TensorFlow 258

14.3 概率小故事——范进中举是巧合吗？ 260

第15章卷积神经网络 262

15.1 卷积神经网络的生物背景 263

15.2 计算机可以做什么 264

15.3 卷积神经网络的基本概念 264

15.4 卷积神经网络运算过程 268

15.4.1 卷积神经网络与前馈神经网络 268

15.4.2 卷积运算的原理 269

15.4.3 卷积运算形式 271

15.4.4 卷积网络工作方式 271

15.4.5 池化过程 274

15.5 反向传播 274

15.6 概率小故事——狼来了吗 282

第16章手写体数字识别 284

16.1 LeNet-5模型介绍 285

16.2 手写体数字识别 292

16.3 概率小故事——测一测您有多大概率看完本书？ 299