开源下载 | 经典著作《机器学习:概率视角》.pdf

Posted Wang_AI

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了开源下载 | 经典著作《机器学习:概率视角》.pdf相关的知识,希望对你有一定的参考价值。

今天给大家分享的是开源机器学习经典著作《机器学习:概率视角》,英文全称为《Machine Learning: a Probabilistic Perspective》,该书作者是谷歌研究员Kevin Patrick Murphy,自2012年出版以来就一直被列为机器学习经典著作之一。

本书可以作为PRML的姊妹篇,基于概率论和概率模型的角度来理解机器学习模型。

本书在豆瓣上评分达到了9分,经典著作无疑。

全书包括28个章节,可以算是鸿篇巨制。

Chapter 1: 引言 Introduction

Chapter 2: 概率 Probability

Chapter 3: 面向离散数据的生成式模型 Generative models for discrete data

Chapter 4: 高斯模型 Gaussian models

Chapter 5: 贝叶斯统计 Bayesian statistics

Chapter 6: 频率统计 Frequentist statistics

Chapter 7: 线性回归 Linear regression

Chapter 8: 逻辑回归 Logistic regression

Chapter 9: 广义线性模型和指数族 Generalized linear models and the exponential family

Chapter 10: 有向图模型(贝叶斯网络) Directed graphical models (Bayes nets)

Chapter 11: 混合模型与EM算法 Mixture models and the EM algorithm

Chapter 12: 隐式线性模型 Latent linear models

Chapter 13: 稀疏线性模型 Sparse linear models

Chapter 14: 核方法 Kernels

Chapter 15: 高斯过程 Gaussian processes

Chapter 16: 自适应基函数模型 Adaptive basis function model

Chapter 17: 马尔可夫模型和隐马尔可夫模型 Markov and hidden Markov Models

Chapter 18: 状态空间模型 State space models

Chapter 19: 无向图模型(马尔可夫随机域) Undirected graphical models (Markov random fields)

Chapter 20: 图模型精准推断 Exact inference algorithms for graphical models

Chapter 21: 变分推断 Variational inference

Chapter 22: 更进变分推断 More variational inference

Chapter 23: 蒙特卡洛推断 Monte Carlo inference algorithms

Chapter 24: 马尔科夫链蒙特卡洛推断 MCMC inference algorithms

Chapter 25: 聚类 Clustering

Chapter 26: 图模型结构学习 Graphical model structure learning

Chapter 27: 因变量 Latent variable models for discrete data

Chapter 28: 深度学习 Deep learning

同时,本书作者也在GitHub上同步开源随书代码,供大家参考学习。

https://github.com/probml/pyprobml

PDF及配套代码、数据集下载



1、关注「机器学习算法与Python实战」

2、回复「概率机器学习」(建议复制)即可获取



也可以加一下老胡的微信
围观朋友圈~~~

以上是关于开源下载 | 经典著作《机器学习:概率视角》.pdf的主要内容,如果未能解决你的问题,请参考以下文章

机器学习40讲-学习笔记

python︱apple开源机器学习框架turicreate中的SFrame——新形态pd.DataFrame

贝叶斯机器学习:经典模型与代码实现!

PRML为何是机器学习的经典书籍中的经典?

机器学习经典开源数据集盘点

经典的机器学习方面源代码库