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
12
好书推荐 / 更多
Machine Learning
狐狸那时已是猎人 诺贝尔文学奖得主赫塔·米勒 罗马尼亚三部曲之一
刘海宁 译 者;[德]赫塔·米勒(Herta Müller
Machine Learning
10 1/2章世界史(英国文坛三巨头之一朱利安·巴恩斯玩味历史之作!诙谐、讽刺、博学、出其不意!)
朱利安·巴恩斯
Machine Learning
为承认而斗争--论社会冲突的道德语法(思想剧场)
[德]阿克塞尔·霍耐特 著;胡继华 译;曹卫东·校对
Machine Learning
资本主义将如何终结
沃尔夫冈·施特雷克
Machine Learning
六朝的城市与社会(增订本)
刘淑芬 著;南京大学六朝研究所 编
Machine Learning
文化记忆研究指南
[德]阿斯特莉特·埃尔 (德)安斯加尔·纽宁 主编;李霞 译;李恭忠
Machine Learning
非洲通史:国内外各大院校经典非洲历史教材
[英]凯文·希林顿;赵俊 后浪
Machine Learning
时尚的启迪:关键理论家导读
[英]安格内·罗卡莫拉(Agnès Rocamora) 著;安爽 译
Machine Learning
中国叙事:批评与理论
[美]浦安迪 著;吴文权 译
Machine Learning
理解的欲求-——亚里士多德哲学导论
[英]乔纳森·李尔 著;刘玮 译
Machine Learning
论牺牲(伊格尔顿西方文化小史)
Eagleton 著;林云柯 译;[英]特里·伊格尔顿(Terry
Machine Learning
能量与文明:高效利用能量是提升综合国力的引擎
[加拿大]瓦茨拉夫·斯米尔(Vaclav Smil) 后浪