机器学习进阶书单

最新推荐文章于 2024-08-19 20:40:48 发布
最新推荐文章于 2024-08-19 20:40:48 发布
阅读量403 收藏
点赞数 1
分类专栏： 机器学习 文章标签： 自然语言处理 书籍推荐 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013647183/article/details/51824527
版权

自然语言处理有一套严整的理论体系，如果希望系统学习可以参考StanfordNLP Group几位教授的三本教科书，基本都有中文翻译版本。以下按照我心目中的浅易程度排序(刘知远)：



ChristopherD. Manning,PrabhakarRaghavan, andHinrichSchütze. 2008.Introduction toInformation Retrieval. Cambridge University Press.

 

ChristopherD. Manning andHinrichSchütze. 1999.Foundationsof Statistical Natural Language Processing. Cambridge,MA: MIT Press.

 

DanielJurafsky andJamesH. Martin. 2008.Speechand Language Processing: An Introduction to Natural Language Processing, SpeechRecognition, and Computational Linguistics. 2nd edition.Prentice-Hall.

挽_风
关注
专栏目录
【机器学习】Data Scientist进阶书籍
nicolechenshuang的博客
04-27 411
1. Machine Learning, Tom Mitchell.点击打开链接 2. Pattern Recognition and Machine Learning, Christopher Bishop.  3. The Elements of Statistical Learning: Data Mining, Inference and Prediction, Trevor Hast
人工智能、机器学习、深度学习从入门到进阶学习资料整理
the_cleaner的博客
04-01 852
AI方面的学习资料，包含了学习社区、入门教程、汲取学习、深度学习、自然语言处理、计算机视觉、数据分析、面试和书籍等方面的知识。
概率图模型(总结篇)
咔咔响
01-21 1万+
今天我们对概率图模型（Probabilistic Graphical Model，PGM）做一个总结。模型表示 概率图模型，是指一种用图结构来描述多元随机变量之间条件独立关系的概率模型...
机器学习——第十四章 概率图模型
最新发布
adchloe的博客
08-19 1199
使用变分法，最重要的是考虑如何对隐变量进行拆解，以及假设各变量子集服从何种分布，若隐变量的拆解或变量子集的分布假设不当，会导致变分法效率低，效果差。概率图模型是一类用图来表达变量相关关系的概率模型，图中用一个结点表示一个或一组随机变量，结点之间的边表示变量间的概率相关关系。该算法中，一个结点仅在接收到来自其他所有结点的消息后才能向另一个结点发送消息，且结点的边际分布正比于它所接收的消息的乘积，即。上图中的箭头表示了变量间的依赖关系，任一时刻，观测变量的取值仅依赖于状态变量，由马尔可夫链表示。
概率图模型的简介
小小何先生的学习之旅
03-13 3910
什么是概率图模型   概率图模型是概率论与图论相结合的产物，为统计推理和学习提供了一个统一的灵活框架。   概率图模型用节点表示变量，节点之间的边表示局部变量间的概率依赖关系。在概率图模型的表示框架下，系统的联合概率分布表示为局部变量势函数的连乘积，该表示框架不仅避免了对复杂系统的联合概率分布直接进行建模，而且易于在图模型建模中引入先验知识。   2012年图灵奖颁给UCLA的Judea Pear...
【周志华机器学习】十四、概率图模型
weixin_42301220的博客
04-10 2191
文章目录参考资料1. 基本概念2. 隐马尔可夫模型（HMM）2.1 隐马尔可夫三大问题1. 第一个问题解法2. 第二个问题解法3. 第三个问题解法3. 马尔可夫随机场（MRF）3.1 MRF性质3.2 势函数4. 条件随机场（CRF）5. 学习与推断5.1 变量消去5.2 信念传播6. LDA话题模型7. 后记7.1 EM算法、HMM、CRF的比较 参考资料 Machine-learning-learning-notes LeeML-Notes ML-NLP 本博客根据周志华的西瓜书和参考资料1、
概率图模型（快速入门必备）
sinat_39616953的博客
04-06 2979
概率图模型是用图来表示变量概率依赖关系的理论，结合概率论与图论的知识，利用图来表示与模型有关的变量的联合概率分布。由图灵奖获得者Pearl开发出来。概率图模型理论分为概率图模型表示理论，概率图模型推理理论和概率图模型学习理论。近10年它已成为不确定性推理的研究热点，在人工智能、机器学习和计算机视觉等领域有广阔的应用前景。
机器学习博士研究生的推介书单.docx
05-16
这个书单是针对机器学习和数据分析的入门及进阶学习者，旨在提供一条清晰的学习路径，帮助读者快速掌握相关知识。 入门读物： 1. 《深入浅出数据分析》：这本书适合初学者，以简洁的语言介绍了数据分析的基础，还...
清华大学推荐的人工智能书单入门到进阶
03-21
这份书单包括了人工智能零基础入门5本书，《Easy RL：强化学习教程》、《深度学习》、《动手学深度学习》、《零基础学习机器学习》、《PyTorch深度学习实战》；此外，还包括数学与算法相关书籍，以及人工智能应用...
当机器学习遇上隐私保护，聊聊联邦学习和分布式机器学习
华章IT官方博客
06-28 6292
导读：我认为，任何一门技术的突破发展，首先都需要解决问题，然后才是创造新价值。最近比特币行情大起大落，身边炒币的哥们纷纷大呼刺激。我一直不太清楚，支撑比特币背后的价值究竟是什么，不过，作为...
周志华老师推荐机器学习书单
热门推荐
NJU_Flipped的博客
10-22 1万+
周志华老师推荐机器学习书单前言前段时间周老师在我们的Advanced Machine Learning课程上，推荐了一些机器学习的书籍，这里大概整理一下。第一阶段入门级的书有两本。 一本是CMU，ML系的Tom Mitchell所著的《Machine Learning》，这也是第一本机器学习的专门性教材。 另一本就是周老师的《机器学习》 这两本书任选一本即可。第二阶段进阶篇的两本 ESL《(The
【深度学习】概率图模型（一）概率图模型理论简介
天地玄黄 魑魅魍魉 风花雪月 商角徵羽 暂时停更 十月重见
11-26 1540
本文简要介绍了概率图模型理论，包括模型表示【有向图模型（贝叶斯网络）、无向图模型（马尔可夫网络）】、学习、推断等
概率图模型
weixin_42513086的博客
06-30 956
概率图模型11.1 模型表示11.1.1 有向图模型11.1.2 无向图模型11.2 学习11.3 推断11.3.1 精确推断11.3.1 近似推断   概率图模型（ Probabilistic Graphical Model ， PGM ），简称图模型（ Graph-ical Model ， GM ），是指一种用图结构来描述多元随机变量之间条件独立关系的概率模型，从而给研究高维空间中的概率模型带来了很大的便捷性． 图模型有三个基本问题： 表示问题：对于一个概率模型，如何通过图结构来描述变量之间的依赖关系
PGMIntro概率图模型
weixin_43458628的博客
04-14 410
概率图模型 概率图模型使用图的方式表示概率分布。为了在图中添加各种概率，首先总结一下随机变量分布的一些规则： KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ &Sum\ Rule:p(x… 可以看到，在链式法则中，如果数据维度特别高，那么的采样和计算非常困难，我们需要在一定程度上作出简化，在朴素贝叶斯中，作出了条件独立性假设。在 Markov 假设中，给定数据的维度是以时间顺序出现的
机器学习 | 概率图模型
"You are worthy! You can do it!"
12-22 993
见微知著，睹始知终。见到细微的苗头就能预知事物的发展方向，能透过微小的现象看到事物的本质，推断结论或者结果。概率模型为机器学习打开了一扇新的大门，将学习的任务转变为计算变量的概率分布。实际情况中，各个变量间存在显式或隐式的相互依赖，如朴素贝叶斯方法直接基于训练数据去求解变量的联合概率分布在时间复杂度还是空间复杂度均是不可行、不划算的。直接基于训练数据求解变量联合概率分布困难。Probabilistic Graphical Model，简称PGM，就是用图来表示变量概率间的依赖关系。
概率图模型理解
isMarvellous的博客
12-17 1万+
今天在看《Deep Learning》时候看到了概率图模型，但上面并没有详细介绍，考虑到有很多模型其实都是概率图模型，比如贝叶斯网络、隐马尔科夫模型（HMM）、条件随机场（CRF）等等，应用还挺广泛的，于是就去学习一下到底什么是概率图模型。本文主要参考了《Pattern Recognition and Machine Learning》，如果有什么理解不到位的地方，还请大家指教。概述为什么会有概率图
人工智能之概率图模型详解
记录 IT 领域经验与见解的博客
05-17 1321
例如，在信息传播分析中，我们可以构建一个有向图模型，其中节点代表用户，箭头代表信息的传播方向，通过对这个模型进行训练和推断，可以得到一个信息传播模型，用于预测信息的传播路径和传播范围。例如，在文本分类任务中，我们可以构建一个有向图模型，其中节点代表词汇，箭头代表词汇之间的条件概率依赖关系，通过对这个模型进行训练和推断，我们可以得到一个文本分类模型，用于对文本进行分类。无向图模型也是一种基于图形化方式表示随机变量间的依赖关系的方法，不同于有向图模型，无向图模型是建立在无向边上的。箭头表示了条件概率依赖关系。
吴恩达：机器学习进阶实践指南
"吴恩达的《Machine Learning Yearning》是一本关于如何有效推进机器学习项目实践的指导书籍，旨在帮助团队在开发过程中迅速取得进展。书中涵盖了机器学习策略、数据集划分、评估指标设定以及误差分析等多个关键知识...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值