开源最前线(ID:OpenSourceTop) 猿妹整编
书籍介绍编译自原书籍
谷歌研究员Kevin Patrick Murphy撰写的经典机器学习图书《Machine Learning: a Probabilistic Perspective》(《机器学习:概率视角》)自2012年出版以来就被奉为机器学习必读书籍。
随着电子形式的数据数量不断增加,对自动化数据分析方法的需求也在不断增长,机器学习的目标是开发出能够自动检测数据模式的方法,然后通过这些数据预测未来的数据或者得出其他想要的结果。因此,机器学习与统计和数据挖掘密切相关,但在其重点和术语方面略有不同,这本书提供了机器学习领域的详细介绍,还包括分子生物学、文本处理、计算机视觉和机器人技术中的实际示例。阅读这本书之前,你需要有适当的数学基础,具体来说就是你需要熟悉基本的多元微积分、概率、线性代数和计算机编程,当然如果你还有一些统计学知识就更好了,适合计算机科学、统计、电气工程等专业的本科生或研究生。本书中描述的几乎所有方法都已在名为PMTK的MATLAB软件包中实现。PMTK代表概率建模工具包。这可以从pmtk3.googlecode免费获得。MATLAB是一种高级的交互式脚本语言,非常适合于数值计算和数据可视化,如果不想付费,还有一个免费的Matlab版本叫Octave,可以在 http: //www.gnu.org/software/ Octave/ 上获得,它支持Matlab的大部分功能。
除了这本经典书籍之外,还有一份关于《机器学习:概率视角》习题解答要和大家分享,这份资料由李方圻创建,本文档提供了《机器学习:概率视角》一书第一章到第十四章的大部分习题的详细解答。题目本身一般没有重述。
MLAPP-书的习题一般分为两种:理论习题和实践习题,本文档给出了绝大多数理论习题的解答,除了部分过于简单的和两个尚未得解的。实践习题基于一个MATLAB的工具包。实践习题的解答目前尚未给出。
无论是1098页的《机器学习:概率视角》电子书籍还是习题解答都帮你们准备好了,你只需要通过以下方式就可获取
2. 在下方公众号后台回复 数字【006】 即可。▲回复「006
」,获取PDF