【导读】最近GitHub上网友ctgk更新公布了Python3实现的经典机器学习图书《Pattern Recognition and Machine Learning》中的代码。在它之前曾有过Matlab版本,而新公布的版本采用机器学习领域最流行的python代码实现,比较符合大家的使用习惯。最重要的是代码以Jupyter notebook形式呈现,可视化结果非常适合边看书边调试代码。专知内容组特定整理PRML相关资料,供大家参考学习。

MLPR python 代码链接: https://github.com/ctgk/PRML

▌PRML书籍

PRML是模式识别和机器学习领域的经典著作,出版于2007年。该书作者 Christpher M. Bishop 是模式识别和机器学习领域的大家,其1995年所著的“Nerual Networks for Pattern Recognition”也是模式识别、人工神经网络领域的经典著作。

PRML深入浅出地介绍了模式识别与机器学习的基本理论和主要方法,同时还涵盖了模式识别与机器学习领域的一些最新进展,不仅适合初学者学习,而且对专业研究人员也有很大的参考价值。

目录

  • 导论
  • 概率分布
  • 线性回归模型
  • 线性分类模型
  • 神经网络
  • 核方法
  • 讲SVM
  • 现代基于图模型
  • EM 算法
  • 近似推断
  • 采样
  • PCA及一些改进
  • HMM 模型和LDS
  • 集成方法
成为VIP会员查看完整内容
0
111

相关内容

这本书在对算法工作原理的高层次理解和对优化模型的具体细节的了解之间找到一个平衡点。这本书将给你的信心和技能时,开发所有主要的机器学习模型。在这本Pro机器学习算法中,您将首先在Excel中开发算法,以便在用Python/R实现模型之前,实际了解可以在模型中调优的所有细节。

你将涵盖所有主要的算法:监督和非监督学习,其中包括线性/逻辑回归;k - means聚类;主成分分析;推荐系统;决策树;随机森林;“GBM”;和神经网络。您还将通过CNNs、RNNs和word2vec等文本挖掘工具了解最新的深度学习。你不仅要学习算法,还要学习特征工程的概念来最大化模型的性能。您将看到该理论与案例研究,如情绪分类,欺诈检测,推荐系统,和图像识别,以便您得到最佳的理论和实践为工业中使用的绝大多数机器学习算法。在学习算法的同时,您还将接触到在所有主要云服务提供商上运行的机器学习模型。

你会学到什么?

  • 深入了解所有主要的机器学习和深度学习算法
  • 充分理解在构建模型时要避免的陷阱
  • 在云中实现机器学习算法
  • 通过对每种算法的案例研究,采用动手实践的方法
  • 学习集成学习的技巧,建立更精确的模型
  • 了解R/Python编程的基础知识和Keras深度学习框架

这本书是给谁看的

希望转换到数据科学角色的业务分析师/ IT专业人员。想要巩固机器学习知识的数据科学家。

成为VIP会员查看完整内容
0
115
小贴士
相关VIP内容
专知会员服务
177+阅读 · 2020年6月8日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
189+阅读 · 2020年3月17日
专知会员服务
115+阅读 · 2020年2月11日
专知会员服务
51+阅读 · 2019年12月24日
【电子书】机器学习实战(Machine Learning in Action),附PDF
专知会员服务
63+阅读 · 2019年11月25日
计算机视觉最佳实践、代码示例和相关文档
专知会员服务
8+阅读 · 2019年10月9日
相关论文
Optimization for deep learning: theory and algorithms
Ruoyu Sun
78+阅读 · 2019年12月19日
Yuhang Cao,Kai Chen,Chen Change Loy,Dahua Lin
10+阅读 · 2019年4月9日
Sneha Chaudhari,Gungor Polatkan,Rohan Ramanath,Varun Mithal
12+阅读 · 2019年4月5日
A General and Adaptive Robust Loss Function
Jonathan T. Barron
7+阅读 · 2018年11月5日
Learning to Importance Sample in Primary Sample Space
Quan Zheng,Matthias Zwicker
3+阅读 · 2018年8月23日
Karol Kurach,Mario Lucic,Xiaohua Zhai,Marcin Michalski,Sylvain Gelly
3+阅读 · 2018年7月12日
Luke Metz,Niru Maheswaranathan,Brian Cheung,Jascha Sohl-Dickstein
5+阅读 · 2018年5月23日
Abhay Gupta,Arjun D'Cunha,Kamal Awasthi,Vineeth Balasubramanian
4+阅读 · 2018年4月12日
Hongyu Xu,Xutao Lv,Xiaoyu Wang,Zhou Ren,Navaneeth Bodla,Rama Chellappa
3+阅读 · 2018年3月27日
Yuhua Chen,Wen Li,Christos Sakaridis,Dengxin Dai,Luc Van Gool
9+阅读 · 2018年3月8日
Top