当前位置: 100md首页 > 电子书籍 > 资料下载2021 > 未分类2
编号:46536
模式识别与机器学习.pdf
http://www.100md.com 2020年11月18日
第1页
第8页
第12页
第28页
第35页

    参见附件(10365KB，749页)。

    模式识别与机器学习内容深入浅出，生动有趣，力求反映这一领域的核心知识体系和新的发展趋势。每章内容都尽可能做到丰富完整，并附有思考与计算题，便于读者对知识的巩固和融会贯通。

    内容简介

    模式识别与机器学习系统介绍了模式识别与机器学习的基础理论、模型与算法，同时兼顾了前沿知识的适当融入。本书以贝叶斯学习的思想贯穿始终，并适时与其他重要知识点(如支持向量机、深度学习)等进行交叉和关联，便于读者在形成良好知识体系的同时保持对整个领域知识的全面把握。

    全书共14章和4个附录，循序渐进地对模式识别与机器学习领域进行剖析。首先介绍贝叶斯学习基础、逻辑回归、概率图模型基础、隐马尔可夫模型和条件随机场，接着介绍支持向量机、人工神经网络与深度学习、高斯过程、聚类、主成分分析与相关的谱方法，最后介绍确定性近似推理、随机近似推理和强化学习。附录包括传统的模式识别与机器学习方法近邻法和决策树，还有向量微积分和随机变量的变换等与本学科方向强相关的重要知识点。

    作者简介

    孙仕亮，清华大学博士，华东师范大学教授。在华东师范大学从事研究工作，主讲本科和研究生“模式识别与机器学习”“高级机器学习”等课程，并在英国伦敦大学学院、美国哥伦比亚大学从事访问合作研究。在模式识别与机器学习领域的国际著名期刊和会议发表学术论文100余篇，承担多项国j级、省部级科研项目及国际知名企业的合作研究项目，研究成果多次获得省部级科学技术奖励。

    赵静，华东师范大学博士，讲师。从事模式识别与机器学习领域的研究，包括概率模型、贝叶斯学习、近似推理与优化。主讲研究生“高级机器学习”和本科生“可信机器学习”等课程。入选上海市2016年度“扬帆计划”和2019年度“晨光计划”。发表论文近20篇，代表性成果发表于JMLR、T-CYB、IJCAI等国际顶j期刊和会议。

    本书特色

    详细阐述模式识别与机器学习的核心知识体系，汇集了模式识别与机器学习中传统与现代、概率与非概率的基础理论、模型与算法，并兼顾新的发展趋势。

    内容深入浅出，生动有趣，通俗易懂，逻辑性强。部分章节包含对相似知识点的解析，便于读者梳理不同方法间的逻辑关系。

    知识阐述丰富完整，图文并茂，配有典型示例和直观示意图，并附有思考与计算题，帮助读者深入理解内容。附录包含重要数学基础，全书自我完整性好。

    适合高等院校人工智能相关专业的本科生和研究生(硕/博)以及希望从事人工智能相关工作的科技工作者使用。建议将全书作为研究生课程的内容，将第1、2.3.4、7，8，10.11、14章作为本科生课程的内容。

    贝叶斯决策

    贝叶斯决策(Bayesian decision)是概率框架下实施决策的基本方法，它通过综合考虑决策的后验分布和错误决策的损失做出决策，其中，贝叶斯公式被用于计算后验分布，贝叶斯决策的前提是假设：D决策问题可以以概分布的形式描述：@与决策有关的概率分布均是可计算的。

    同样，以熊猫的性别分类问题为例讲解贝叶斯决策，即根据熊猫的形态特征来判断熊猫的性别，使用w表示性别.w-1时表示雕性.w-2时表示雄性。由于熊猫属于哪一种性别并不确定，因此w是一个随机变量。在不同地区(动物同或某个野生动物保护区)，熊猫的雌雄比例有可能不同，因此假定熊猫为雄性的先验概率为p(w=1).为维性的先验概，为p(w=2)，并且p(w-1)+p(w-2)-1，除了变量 以外，还需要另外一个随机变量来刻画熊猫的形态特征，假设，表示观测变量，其中x-1表示熊猜是干净整洁的.x-0反之，在某种类别下，计算得到观测变量 的概率分布，即为似然函数pC.rlwo)

    在给定决策问题的概，描述(先验概率分布和似然函数)之后，贝叶斯决策使用贝叶斯公式推导出性别变量 的后验分布pcaelax)，然后通过决策规则做出决策。这里主要介绍两种比较常用的贝叶斯决策规则：最小错误率和最小风险

    模式识别与机器学习截图