統計機器學習導論(英文版)

統計機器學習導論(英文版) 下載 mobi epub pdf 電子書 2024


簡體網頁||繁體網頁
[日] 杉山將(Masashi Sugiyama) 著



點擊這裡下載
    


想要找書就要到 圖書大百科
立刻按 ctrl+D收藏本頁
你會得到大驚喜!!

發表於2024-12-23

類似圖書 點擊查看全場最低價

圖書介紹

齣版社: 機械工業齣版社
ISBN:9787111586784
版次:1
商品編碼:12279249
品牌:機工齣版
包裝:平裝
叢書名: 經典原版書庫
開本:16開
齣版時間:2018-01-01
用紙:膠版紙
頁數:512


相關圖書





圖書描述

內容簡介

統計技術與機器學習的結閤使其成為一種強大的工具,能夠對眾多計算機和工程領域的數據進行分析,包括圖像處理、語音處理、自然語言處理、機器人控製以及生物、醫學、天文學、物理、材料等基礎科學範疇。本書介紹機器學習的基礎知識,注重理論與實踐的結閤。第壹部分討論機器學習算法中統計與概率的基本概念,第二部分和第三部分講解機器學習的兩種主要方法,即生成學習方法和判彆分類方法,其中,第三部分對實際應用中重要的機器學習算法進行瞭深入討論。本書配有MATLAB/Octave代碼,可幫助讀者培養實踐技能,完成數據分析任務。

作者簡介

【加照片】Masashi Sugiyama,東京大學教授,擁有東京工業大學計算機科學博士學位,研究興趣包括機器學習與數據挖掘的理論、算法和應用,涉及信號處理、圖像處理、機器人控製等。2007年獲得IBM學者奬,以錶彰其在機器學習領域非平穩性方麵做齣的貢獻。2011年獲得日本信息處理協會頒發的Nagao特彆研究奬,以及日本文部科學省頒發的青年科學傢奬,以錶彰其對機器學習密度比範型的貢獻。

目錄

Contents
Biography . .iv
Preface. v
PART 1INTRODUCTION
CHAPTER 1Statistical Machine Learning
1.1Types of Learning 3
1.2Examples of Machine Learning Tasks . 4
1.2.1Supervised Learning 4
1.2.2Unsupervised Learning . 5
1.2.3Further Topics 6
1.3Structure of This Textbook . 8
PART 2STATISTICS AND PROBABILITY
CHAPTER 2Random Variables and Probability Distributions
2.1Mathematical Preliminaries . 11
2.2Probability . 13
2.3Random Variable and Probability Distribution 14
2.4Properties of Probability Distributions 16
2.4.1Expectation, Median, and Mode . 16
2.4.2Variance and Standard Deviation 18
2.4.3Skewness, Kurtosis, and Moments 19
2.5Transformation of Random Variables 22
CHAPTER 3Examples of Discrete Probability Distributions
3.1Discrete Uniform Distribution . 25
3.2Binomial Distribution . 26
3.3Hypergeometric Distribution. 27
3.4Poisson Distribution . 31
3.5Negative Binomial Distribution . 33
3.6Geometric Distribution 35
CHAPTER 4Examples of Continuous Probability Distributions
4.1Continuous Uniform Distribution . 37
4.2Normal Distribution 37
4.3Gamma Distribution, Exponential Distribution, and Chi-Squared Distribution . 41
4.4Beta Distribution . 44
4.5Cauchy Distribution and Laplace Distribution 47
4.6t-Distribution and F-Distribution . 49
CHAPTER 5Multidimensional Probability Distributions
5.1Joint Probability Distribution 51
5.2Conditional Probability Distribution . 52
5.3Contingency Table 53
5.4Bayes’ Theorem. 53
5.5Covariance and Correlation 55
5.6Independence . 56
CHAPTER 6Examples of Multidimensional Probability Distributions61
6.1Multinomial Distribution . 61
6.2Multivariate Normal Distribution . 62
6.3Dirichlet Distribution 63
6.4Wishart Distribution . 70
CHAPTER 7Sum of Independent Random Variables
7.1Convolution 73
7.2Reproductive Property 74
7.3Law of Large Numbers 74
7.4Central Limit Theorem 77
CHAPTER 8Probability Inequalities
8.1Union Bound 81
8.2Inequalities for Probabilities 82
8.2.1Markov’s Inequality and Chernoff’s Inequality 82
8.2.2Cantelli’s Inequality and Chebyshev’s Inequality 83
8.3Inequalities for Expectation . 84
8.3.1Jensen’s Inequality 84
8.3.2H?lder’s Inequality and Schwarz’s Inequality . 85
8.3.3Minkowski’s Inequality . 86
8.3.4Kantorovich’s Inequality . 87
8.4Inequalities for the Sum of Independent Random Vari-ables 87
8.4.1Chebyshev’s Inequality and Chernoff’s Inequality 88
8.4.2Hoeffding’s Inequality and Bernstein’s Inequality 88
8.4.3Bennett’s Inequality. 89
CHAPTER 9Statistical Estimation
9.1Fundamentals of Statistical Estimation 91
9.2Point Estimation 92
9.2.1Parametric Density Estimation . 92
9.2.2Nonparametric Density Estimation 93
9.2.3Regression and Classification. 93
9.2.4Model Selection 94
9.3Interval Estimation. 95
9.3.1Interval Estimation for Expectation of Normal Samples. 95
9.3.2Bootstrap Confidence Interval 96
9.3.3Bayesian Credible Interval. 97
CHAPTER 10Hypothesis Testing
10.1Fundamentals of Hypothesis Testing 99
10.2Test for Expectation of Normal Samples 100
10.3Neyman-Pearson Lemma . 101
10.4Test for Contingency Tables 102
10.5Test for Difference in Expectations of Normal Samples 104
10.5.1 Two Samples without Correspondence . 104
10.5.2 Two Samples with Correspondence 105
10.6Nonparametric Test for Ranks. 107
10.6.1 Two Samples without Correspondence . 107
10.6.2 Two Samples with Correspondence 108
10.7Monte Carlo Test . 108
PART 3GENERATIVE APPROACH TO STATISTICAL PATTERN RECOGNITION
CHAPTER 11Pattern Recognition via Generative Model Estimation113
11.1Formulation of Pattern Recognition . 113
11.2Statistical Pattern Recognition . 115
11.3Criteria for Classifier Training . 117
11.3.1 MAP Rule 117
11.3.2 Minimum Misclassification Rate Rule 118
11.3.3 Bayes Decision Rule 119
11.3.4 Discussion . 121
11.4Generative and Discriminative Approaches 121
CHAPTER 12Maximum Likelihood Estimation
12.1Definition. 123
12.2Gaussian Model. 125
12.3Computing the Class-Posterior Probability . 127
12.4Fisher’s Linear Discriminant Analysis (FDA
統計機器學習導論(英文版) 下載 mobi epub pdf txt 電子書 格式

統計機器學習導論(英文版) mobi 下載 pdf 下載 pub 下載 txt 電子書 下載 2024

統計機器學習導論(英文版) 下載 mobi pdf epub txt 電子書 格式 2024

統計機器學習導論(英文版) 下載 mobi epub pdf 電子書
想要找書就要到 圖書大百科
立刻按 ctrl+D收藏本頁
你會得到大驚喜!!

用戶評價

評分

評分

評分

評分

評分

評分

評分

評分

評分

類似圖書 點擊查看全場最低價

統計機器學習導論(英文版) mobi epub pdf txt 電子書 格式下載 2024


分享鏈接




相關圖書


本站所有內容均為互聯網搜索引擎提供的公開搜索信息,本站不存儲任何數據與內容,任何內容與數據均與本站無關,如有需要請聯繫相關搜索引擎包括但不限於百度google,bing,sogou

友情鏈接

© 2024 book.qciss.net All Rights Reserved. 圖書大百科 版權所有