admin 管理员组

文章数量: 1184232

Machine Learning-A Probabilistic Perspective笔记

MLAPP是统计机器学习领域内一本经典著作。就兴起先后顺序来说，统计机器学习较如今大火的深度学习神经网络更久远，不同于神经网络作为一个端到端的系统，将输入到输出过程看做一个黑匣子，统计机器学习更多地从概率论和数理统计角度诠释数据，可解释性更强。

2012版本分享链接（仅用于学术交流用途）：

链接: https://pan.baidu/s/1bNUEfDfmPNOk7eYHv0fkeA  提取码: 7k3d

关于这本书，有类似的博客：

  • 参考博客

Github上也有对本书的部分翻译：

  • Github上对MLAPP的部分翻译

上述博客的博主写得很详尽，其初衷和经历亦与我类似，于是我决定在其上进行自己的补充。

MLAPP——第一章 Introduction

We are drowning in information and starving for knowledge.——John Naisbitt

第一章概述机器学习的一些基本概念。要点如下：

  1. 监督学习与无监督学习
  2. 分类与回归
  3. 机器学习应用举例
  4. 参数模型和非参数模型

在统计学中，参数模型通常假设总体（随机变量）服从某一个分布，该分布由一些参数确定（比如正太分布由均值和方差确定），在此基础上构建的模型称为参数模型；非参数模型对于总体的分布不做任何假设，只是知道总体是一个随机变量，其分布是存在的（分布中也可能存在参数），但是无法知道其分布的形式，更不知道分布的相关参数，只有在给定一些样本的条件下，能够依

本文标签： 笔记 learning machine Probabilistic introduction

版权声明：本文标题：Machine Learning-A Probabilistic Perspective笔记——第一章 INTRODUCTION 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1758713473a3089558.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。