|
|
|
本書圍繞機器學習演算法中涉及的概率統計知識展開介紹，沿著概率思想、變數分佈、參數估計、隨機過程和統計推斷的知識主線進行講解，結合數學的本質內涵，用淺顯易懂的語言講透深刻的數學思想，幫助讀者構建理論體系。同時，作者在講解的過程中注重應用場景的延伸，並利用Python工具無縫對接工程應用，説明讀者學以致用。
全書共5章。
第1章以條件概率和獨立性作為切入點，幫助讀者建立認知概率世界的正確視角。
第2章介紹隨機變數的基礎概念和重要分佈類型，並探討多元隨機變數間的重要關係。
第3章介紹極限思維以及蒙特卡羅方法，並重點分析極大似然估計方法以及有偏無偏等重要性質，最後拓展到含有隱變數的參數估計問題，介紹EM演算法的原理及其應用。
第4章由靜態的隨機變數過渡到動態的隨機過程，重點介紹瑪律可夫過程和隱瑪律可夫模型。
第5章聚焦瑪律可夫鏈-蒙特卡羅方法，並列舉實例展示Metropolis-Hastings和Gibbs的具體採樣過程。
張雨萌
資深人工智慧技術專家，畢業于清華大學電腦系，長期從事人工智慧領域相關研究工作，諳熟機器學習演算法應用及其背後的數學基礎理論。目前已出版多部機器學習數學基礎類暢銷書籍，廣受讀者好評。
