- 商品参数
-
- 作者:
翟中华著|
翟中华编|
无译
- 出版社:电子工业出版社
- 出版时间:2025-05
- 页数:112页
- 开本:32开
- ISBN:9787121495021
- 版权提供:电子工业出版社
内容介绍
本书深入剖析机器学习中的概率思维,从基础理论出发,结合经典案例,阐述如何将概率思维巧妙地应用于机器学习算法,帮助读者理解数据背后的规律与不确定性。除引言外,全书内容分为5章,包括贝叶斯定理中的概率思维、朴素贝叶斯算法中的概率思维、极大似然估计和*大后验估计、贝叶斯网络、马尔可夫链和隐马尔可夫模型。本书适合机器学习领域的工程师、研究员阅读,也可作为计算机科学、统计学、电子工程、计量经济学等领域的技术人员的参考用书。
目录
目录
引言 概率对于机器学习的重要性 001
*1章 贝叶斯定理中的概率思维 008
1.1 概率基础知识 008
1.2 条件独立 011
1.3 贝叶斯定理的证据思想 014
1.3.1 贝叶斯定理实际应用 014
1.3.2 阐述公式背后的意义 017
1.4 贝叶斯哲学本质 023
1.4.1 趋于真理的过程 023
1.4.2 贝叶斯哲学精神 024
1.5 贝叶斯数学思想 024
*2章 朴素贝叶斯算法中的概率思维 033
2.1 应用贝叶斯定理构建朴素贝叶斯分类器 033
2.2 比较条件概率 036
2.3 朴素贝叶斯的类型 040
第3章 极大似然估计和*大后验估计 041
3.1 极大似然估计 041
3.2 *大后验估计 045
3.3 MLE与MAP估计的区别与联系 047
3.4 使用MAP估计求解硬币翻转问题 048
3.5 贝叶斯推理 051
3.5.1 贝叶斯推理举例 051
3.5.2 贝叶斯推理详细推导 053
3.5.3 期望后验 056
3.6 逻辑回归中的极大似然和*大后验 057
3.7 高斯判别分析 058
第4章 贝叶斯网络 063
4.1 从条件概率到贝叶斯网络定义 064
4.2 贝叶斯网络结构 069
4.3 条件概率表 071
4.4 贝叶斯网络解释 073
第5章 马尔可夫链和隐马尔可夫模型 077
5.1 马尔可夫链:概率序列 078
5.2 马尔可夫假设 081
5.3 求马尔可夫链某个状态的概率 083
5.4 隐马尔可夫模型 086
5.5 隐马尔可夫前向算法和后向算法 093
作者介绍
翟中华,清华大学经管学院《创新创业实验室》实践项目指导老师、北京洪策元创智能科技有限公司CEO、AI火箭营&席讲师。毕业于清华大学,长期从事机器学习、深度学习等方面的工作,先后在互联网、互联网金融等行业公司主持技术工作,曾在互联网征信、大数据等行业公司任技术总监。在AI火箭营讲授的课程《深度学习理论与PyTorch 实践》广受好评。自ChatGPT发布以来,积极布局GPT技术与应用,已在国外先进开源模型基础上训练中文自研模型,开发了智能客服、智能律师助手、智能问诊助理等行业大模型应用。朱雅哲,专注于数据智能与司法科技的融合应用,主导研发的“同案犯比对系统”已被司法部采纳为典型参考案例。
媒体评论
“AI口袋书系列”新书,聚焦机器学习中的概率思维,解锁数据规律与算法逻辑。从贝叶斯定理、朴素贝叶斯算法到马尔可夫链,以经典案例拆解理论难点,让概率思维在机器学习算法中活学活用。
关联推荐
“AI口袋书系列”新书,聚焦机器学习中的概率思维,解锁数据规律与算法逻辑。从贝叶斯定理、朴素贝叶斯算法到马尔可夫链,以经典案例拆解理论难点,让概率思维在机器学习算法中活学活用。
1