【導讀】最近GitHub上網友ctgk更新公布了Python3實現的經典機器學習圖書《Pattern Recognition and Machine Learning》中的代碼。在它之前曾有過Matlab版本，而新公布的版本采用機器學習領域最流行的python代碼實現，比較符合大家的使用習慣。最重要的是代碼以Jupyter notebook形式呈現，可視化結果非常適合邊看書邊調試代碼。專知內容組特定整理PRML相關資料，供大家參考學習。
MLPR python 代碼鏈接： //github.com/ctgk/PRML
▌PRML書籍
PRML是模式識別和機器學習領域的經典著作，出版于2007年。該書作者 Christpher M. Bishop 是模式識別和機器學習領域的大家，其1995年所著的“Nerual Networks for Pattern Recognition”也是模式識別、人工神經網絡領域的經典著作。
PRML深入淺出地介紹了模式識別與機器學習的基本理論和主要方法，同時還涵蓋了模式識別與機器學習領域的一些最新進展，不僅適合初學者學習，而且對專業研究人員也有很大的參考價值。
目錄
- 導論
- 概率分布
- 線性回歸模型
- 線性分類模型
- 神經網絡
- 核方法
- 講SVM
- 現代基于圖模型
- EM 算法
- 近似推斷
- 采樣
- PCA及一些改進
- HMM 模型和LDS
- 集成方法
付費5元查看完整內容
相關內容
這本書在對算法工作原理的高層次理解和對優化模型的具體細節的了解之間找到一個平衡點。這本書將給你的信心和技能時，開發所有主要的機器學習模型。在這本Pro機器學習算法中，您將首先在Excel中開發算法，以便在用Python/R實現模型之前，實際了解可以在模型中調優的所有細節。
你將涵蓋所有主要的算法:監督和非監督學習，其中包括線性/邏輯回歸;k - means聚類;主成分分析;推薦系統;決策樹;隨機森林;“GBM”;和神經網絡。您還將通過CNNs、RNNs和word2vec等文本挖掘工具了解最新的深度學習。你不僅要學習算法，還要學習特征工程的概念來最大化模型的性能。您將看到該理論與案例研究，如情緒分類，欺詐檢測，推薦系統，和圖像識別，以便您得到最佳的理論和實踐為工業中使用的絕大多數機器學習算法。在學習算法的同時，您還將接觸到在所有主要云服務提供商上運行的機器學習模型。
你會學到什么？
- 深入了解所有主要的機器學習和深度學習算法
- 充分理解在構建模型時要避免的陷阱
- 在云中實現機器學習算法
- 通過對每種算法的案例研究，采用動手實踐的方法
- 學習集成學習的技巧，建立更精確的模型
- 了解R/Python編程的基礎知識和Keras深度學習框架
這本書是給誰看的
希望轉換到數據科學角色的業務分析師/ IT專業人員。想要鞏固機器學習知識的數據科學家。
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191