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.com/s/1bNUEfDfmPNOk7eYHv0fkeA 提取码: 7k3d
关于这本书,有类似的博客:
Github上也有对本书的部分翻译:
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:
- 监督学习与无监督学习
- 分类与回归
- 机器学习应用举例
- 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&