Can I read 机器学习基础教程 = A first course in machine learning on EtoBox?

机器学习基础教程 = A first course in machine learning by (英)罗杰斯,(英)吉罗拉米著;郭茂祖等译, [美]Simon Rogers,Mark Girolami 郭茂祖,王春宇,刘扬,等 is a book available to read on EtoBox.

What is 机器学习基础教程 = A first course in machine learning about?

1 (p1): 第1章 线性建模:最小二乘法 1 (p1-1): 1.1线性建模 2 (p1-1-1): 1.1.1定义模型 2 (p1-1-2): 1.1.2模型假设 3 (p1-1-3): 1.1.3定义什么是好的模型 4 (p1-1-4): 1.1.4最小二乘解:一个有效的例子 7 (p1-1-5): 1.1.5有效的例子 8 (p1-1-6): 1.1.6奥运会数据的最小二乘拟合 9 (p1-1-7): 1.1.7小结 9 (p1-2): 1.2预测 10 (p1-2-1): 1.2.1第二个奥运会数据集 12 (p1-2-2): 1.2.2小结 12 (p1-3): 1.3向量/矩阵符号 17 (p1-3-1): 1.3.1例子 18 (p1-3-2): 1.3.2数值的例子 19 (p1-3-3): 1.3.3预测 19 (p1-3-4): 1.3.4小结 19 (p1-4): 1.4线性模型的非线性响应 22 (p1-5): 1.5泛化与过拟合 22 (p1-5-1): 1.5.1验证数据 23 (p1-5-2): 1.5.2交叉验证 25 (p1-5-3): 1.5.3 K折交叉验证的计算缩放 25 (p1-6): 1.6正则化最小二乘法 27 (p1-7): 1.7练习 28 (p1-8): 其他阅读材料 29 (p2): 第2章 线性建模:最大似然方法 29 (p2-1): 2.1误差作为噪声 30 (p2-2): 2.2随机变量和概率 30 (p2-2-1): 2.2.1随机变量 31 (p2-2-2): 2.2.2概率和概率分布 32 (p2-2-3): 2.2.3概率的加法 32 (p2-2-4): 2.2.4条件概率 33 (p2-2-5): 2.2.5联合概率 34 (p2-2-6): 2.2.6边缘化 36 (p2-2-7): 2.2.7贝叶斯规则介绍 37 (p2-2-8): 2.2.8期望值 39 (p2-3): 2.3常见的离散分布 39 (p2-3-1): 2.3.1伯努利分布 39 (p2-3-2): 2.3.2二项分布 40 (p2-3-3): 2.3.3多项分布 40 (p2-4): 2.4连续型随机变量——概率密度函数 42 (p2-5): 2.5常见的连续概率密度函数 42 (p2-5-1): 2.5.1均匀密度函数 43 (p2-5-2): 2.5.2β密度函数 44 (p2-5-3): 2.5.3高斯密度函数 44 (p2-5-4): 2.5.4多元高斯 46 (p2-5-5): 2.5.5小结 46 (p2-6): 2.6产生式的考虑(续) 47 (p2-7): 2.7似然估计 48 (p2-7-1): 2.7.1数据集的似然值 49 (p2-7-2): 2.7.2最大似然 50 (p2-7-3): 2

Author

(英)罗杰斯,(英)吉罗拉米著;郭茂祖等译, [美]Simon Rogers,Mark Girolami 郭茂祖,王春宇,刘扬,等

Publisher

北京:机械工业出版社

Published

2014

Language

ZH

ISBN

9787111407027