机器学习：贝叶斯和优化方法（原书第2版）_[希]西格尔斯·西奥多里蒂斯(SergiosTheodoridis)_9787111692577

本书对所有重要的机器学习方法和新近研究趋势进行了深入探索，新版重写了关于神经网络和深度学习的章节，并扩展了关于贝叶斯学习的内容。书中首先讨论基础知识，包括均方、zui小二乘和zui大似然方法，以及岭回归、贝叶斯决策理论分类、逻辑回归和决策树。然后介绍较新的技术，包括稀疏建模方法、再生核希尔伯特空间和支持向量机中的学习、关注EM算法的贝叶斯推理及其变分近似推理、蒙特卡罗方法、关注贝叶斯网络的概率图模型、隐马尔可夫模型和粒子滤波。此外，书中还讨论了降维、隐变量建模、统计参数估计、维纳和卡尔曼滤波、凸优化等技术。本书适合该领域的科研人员和工程师阅读，也适合学习模式识别、统计/自适应信号处理和深度学习等课程的学生参考。

机器学习（machine learning）这个名字正受到越来越多的关注，它涵盖数十年来在不同科学领域中研究和开发的很多方法，这些方法有着不同的名字，如统计学习、统计信号处理、模式识别、自适应信号处理、图像处理与分析、系统辨识与控制、数据挖掘与信息检索、计算机视觉以及计算学习。“机器学习”这个名字指出了所有这些学科的共同之处，即从数据中学习（learn from data）然后做出预测（make prediction）。人们尝试通过构造一个模型（model）来从数据中学习其深层结构和规律，而这个模型即可用于预测。
为此，人们已经提出了从代价函数优化（其目标是优化观测到的数据结果与模型预测结果间的偏差）到概率模型（试图对观测到的数据的统计特征进行建模）等许多不同的方法。
本书的目标是通过介绍多年来研究者所遵循的主要路线和方法来营造一体式的学习体验，引导读者逐步探究机器学习领域。我并不倾向于某种特定的方法，因为我相信无论是从应用角度还是从教学角度看，所有方法对希望探索机器学习奥秘的初学者而言都是有价值的。如书名所示，本书重点关注机器学习的处理和分析，而非机器学习理论本身及相关的性能界限。换句话说，我们重点关注更靠近应用层的方法和算法。
本书是我超过30年的相关研究经验和相关课程教学经验的结晶。本书的写作方法是令每一章（或相邻两章）尽可能独立成篇。这样，教师就可以根据需要选择、组合某些章节以构成其课程的重点，普通读者也可以在首次阅读时根据需要有选择地精读某些章节。在第1章中，我将给出针对不同课程使用本书的一些指导。
本书每章都从基本概念和基本方法开始，逐渐深入一些新进展。某些主题需要分为两章，例如稀疏感知学习、贝叶斯学习、概率图模型以及蒙特卡罗方法。本书能满足高年级本科生、研究生的学习需求，也适合不满足于黑盒解决方案的科学家与工程师阅读。此外，本书也能作为特定主题短期课程的教材或参考书，例如稀疏建模、贝叶斯学习、概率图模型、神经网络和深度学习等主题。
第2版重要更新
本书的第1版出版于2015年，涵盖2013~2014年机器学习领域的进展。这几年恰逢深度学习领域研究真正蓬勃发展的开端，深度学习重塑了我们的相关知识，并彻底改变了机器学习领域。大体来说，第2版的重点是重写第18章。现在这一章对该领域做了全面回顾，包括从早期的感知机和感知机规则直到新的研究进展，诸如卷积神经网络（CNN）、循环神经网络（RNN）、对抗样本、生成对抗网络（GAN）和胶囊网络等。
此外，第2版涵盖更广泛和详细的非参数贝叶斯方法，如中国餐馆过程（CRP）和印度自助餐过程（IBP）。我相信贝叶斯方法在未来的几年里会越来越重要。当然，谁也不能保证这一定会发生。然而，我认为不确定性将是未来模型的重要部分，而贝叶斯技术至少在原则上是一个合理的入手点。关于其他章节，除修正拼写错误之外，也根据学生、同事和评阅人的建议，改写了一些内容以使本书更易于阅读。在此深深地感谢他们。
本书大部分章节包含MATLAB练习，相关代码可从本书配套网站自由获取。此外，在第2版中，所有的计算机练习还以Python编写，并附有相应的代码，这些代码也可以通过本书网站自由获取。后，第18章中的一些与深度学习相关的、更接近实际应用的计算机练习则用Tensorflow给出。
习题答案和讲义幻灯片可从本书网站获得，供教师使用。
　关于本书教辅资源，只有使用本书作为教材的教师才可以申请，需要的教师请访问爱思唯尔的教材网站
https://textbooks.elsevier.com/进行申请。——编辑注
在第2版中，所有附录都被移到配套网站上且可以自由下载，这是为了节省篇幅。另外，对于第1版中介绍方法的部分章节，如果其不再是必要的基础知识以及当前的主流研究课题，虽然它们在2015年是新兴且“时髦”的，但在第2版中也被移除了，这些内容可从配套网站下载。
教师网站网址：
http://textbooks.elsevier.com/web/Manuals.aspx?isbn=9780128188033
配套网站网址：
https://www.elsevier.com/booksandjournals/bookcompanion/9780128188033

你还可能感兴趣

我要评论