作者:
David Barber
出版社: Cambridge University Press
出版年: 2011
页数: 735
定价: USD 84.99
装帧: Hardcover
ISBN: 9780521518147
出版社: Cambridge University Press
出版年: 2011
页数: 735
定价: USD 84.99
装帧: Hardcover
ISBN: 9780521518147
内容简介 · · · · · ·
Machine learning methods extract value from vast data sets quickly and with modest resources. They are established tools in a wide range of industrial applications, including search engines, DNA sequencing, stock market analysis, and robot locomotion, and their use is spreading rapidly. People who know the methods have their choice of rewarding jobs. This hands-on text opens th...
喜欢读"Bayesian Reasoning and Machine Learning"的人也喜欢的电子书 · · · · · ·
支持 Web、iPhone、iPad、Android 阅读器
喜欢读"Bayesian Reasoning and Machine Learning"的人也喜欢 · · · · · ·
Bayesian Reasoning and Machine Learning的书评 · · · · · · ( 全部 3 条 )
村上春草
感叹作者的敬业与无私
书的内容5星，书的作者7星。在作者的主页上有书籍的免费PDF链接，且是不断勘误的，从2007年一致持续到现在。地址如下：http://web4.cs.ucl.ac.uk/staff/D.Barber/pmwiki/pmwiki.php?n=Brml.Online 。
(展开)
那个百分十先生
机械工业出版社2023版
贝叶斯理论和实战的最好阐述
这篇书评可能有关键情节透露
看这本书的，写这份书评的时候我特意了解一下什么是贝叶斯推理，然后学习了一下它为什么这么有效且流行： 一、 贝叶斯推理是一种利用贝叶斯定理和先验知识来根据数据和经验更新信念的推理方式(先验求取后验) 二、 贝叶斯推理之所以流行，有以下几个原因： （1）更新概率：贝叶... (展开)> 更多书评 3篇
论坛 · · · · · ·
| 谁有这本书的答案啊?跪求 | 来自quietcool | 2 回应 | 2017-05-02 22:22:59 |
这本书的其他版本 · · · · · · ( 全部3 )
在哪儿借这本书 · · · · · ·
以下书单推荐 · · · · · · ( 全部 )
- 技术派心理学 (欧阳)
- machine learning textbooks (厂农)
- Machine Learning Books (Sean)
- data science (雪地里的水煮蛋)
- 机器学习-数学理论与实际领域应用入门进阶 (xiaoliable)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
订阅关于Bayesian Reasoning and Machine Learning的评论:
feed: rss 2.0
2 有用 ShawXhai 2013-01-18 14:43:45
老师写的书，还帮这改过
2 有用 坐看OAO云起 2016-09-08 11:17:42
这是一本含金量很高的书，例子很有趣味性，公式的推导很花时间，需要下功夫好好读。。。用了一周看了前6章，累但是收获颇丰。
8 有用 Loch~ 2018-11-24 07:41:56
这本书的味道很好闻...
8 有用 泥豆尼痘昵 2015-01-24 14:57:22
贝叶斯推理技术可谓使得人类向前迈了一大步，本书是该领域经典代表著作，人工智能相关专业必读，书中不止有貌似无趣的数学公式还有十分有趣的例子解析，极度推荐此书，用于扩展视野增加学识非常非常棒。最后我要吐槽一下，我买的是kindle版本，但是质量显然远不如纸质版，可是纸质版又实在是太重，哎，没办法……
7 有用 jikeba 2020-05-01 16:27:49
两周时间看完了500页。大体完成了计划。这本书最大的优点就是成体系，从贝叶斯的角度把机器学习的模型好好梳理了一遍，覆盖得范围也很广，逻辑和体系都很清楚。但是我觉得这个书适合精进，不适合入门，有些地方的叙述展开得不是很够。好处就是，时时可以作为reference来用。概率模型时代的核心内容几乎都囊括了。
0 有用 ChrisZZ 2022-01-03 11:31:26
pr&ml课的slides就是参考这本书的，导师强力推荐
0 有用 雪尘 2021-05-20 11:56:55
从graphical model讲起才是probabilistic/Bayesian ml的正确打开方式啊，approximate inference那里loopy belief propagation的不同角度读起来太爽了
7 有用 jikeba 2020-05-01 16:27:49
两周时间看完了500页。大体完成了计划。这本书最大的优点就是成体系，从贝叶斯的角度把机器学习的模型好好梳理了一遍，覆盖得范围也很广，逻辑和体系都很清楚。但是我觉得这个书适合精进，不适合入门，有些地方的叙述展开得不是很够。好处就是，时时可以作为reference来用。概率模型时代的核心内容几乎都囊括了。
0 有用 濯希 2020-02-24 10:46:41
我觉得写的没有那么好懂， 图跳来跳去的， 要上下翻来翻去的看。
0 有用 Thinline 2020-01-09 10:30:05
地图。看了大半个月还是挑着章节翻了，太沉了。