機器學習中的概率思維
翟中華,朱雅哲
- 出版商: 電子工業
- 出版日期: 2025-05-01
- 售價: $228
- 語言: 簡體中文
- 頁數: 112
- ISBN: 7121495023
- ISBN-13: 9787121495021
-
相關分類:
Machine Learning
下單後立即進貨 (約4週~6週)
相關主題
商品描述
本書深入剖析機器學習中的概率思維，從基礎理論出發，結合經典案例，闡述如何將概率思維巧妙地應用於機器學習算法，幫助讀者理解數據背後的規律與不確定性。除引言外，全書內容分為5章，包括貝葉斯定理中的概率思維、樸素貝葉斯算法中的概率思維、極大似然估計和最大後驗估計、貝葉斯網絡、馬爾可夫鏈和隱馬爾可夫模型。本書適合機器學習領域的工程師、研究員閱讀，也可作為計算機科學、統計學、電子工程、計量經濟學等領域的技術人員的參考用書。
目錄大綱
目錄
引言 概率對於機器學習的重要性 001
第1章 貝葉斯定理中的概率思維 008
1.1 概率基礎知識 008
1.2 條件獨立 011
1.3 貝葉斯定理的證據思想 014
1.3.1 貝葉斯定理實際應用 014
1.3.2 闡述公式背後的意義 017
1.4 貝葉斯哲學本質 023
1.4.1 趨於真理的過程 023
1.4.2 貝葉斯哲學精神 024
1.5 貝葉斯數學思想 024
第2章 樸素貝葉斯算法中的概率思維 033
2.1 應用貝葉斯定理構建樸素貝葉斯分類器 033
2.2 比較條件概率 036
2.3 樸素貝葉斯的類型 040
第3章 極大似然估計和最大後驗估計 041
3.1 極大似然估計 041
3.2 最大後驗估計 045
3.3 MLE與MAP估計的區別與聯系 047
3.4 使用MAP估計求解硬幣翻轉問題 048
3.5 貝葉斯推理 051
3.5.1 貝葉斯推理舉例 051
3.5.2 貝葉斯推理詳細推導 053
3.5.3 期望後驗 056
3.6 邏輯回歸中的極大似然和最大後驗 057
3.7 高斯判別分析 058
第4章 貝葉斯網絡 063
4.1 從條件概率到貝葉斯網絡定義 064
4.2 貝葉斯網絡結構 069
4.3 條件概率表 071
4.4 貝葉斯網絡解釋 073
第5章 馬爾可夫鏈和隱馬爾可夫模型 077
5.1 馬爾可夫鏈：概率序列 078
5.2 馬爾可夫假設 081
5.3 求馬爾可夫鏈某個狀態的概率 083
5.4 隱馬爾可夫模型 086
5.5 隱馬爾可夫前向算法和後向算法 093
