机读格式显示(MARC)

• 000 01532nam0 2200337 450

• 001 0000392908

• 005 20211022101300.0

• 010 __ |a 978-7-111-66837-4 |b 精装 |d CNY299.00

• 100 __ |a 20210830d2021 em y0chiy50 ba

• 101 0_ |a eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 001yy

• 106 __ |a r

• 200 1_ |a Machine learning |A Machine Learning |e a bayesian and optimization perspective |f Sergios Theodoridis |d = 机器学习 |e 贝叶斯和优化方法 |f (希) 西格尔斯·西奥多里蒂斯著 |z chi

• 205 __ |a 英文版

• 210 __ |a 北京 |c 机械工业出版社 |d 2021

• 215 __ |a xxii, 1130页 |c 图 |d 24cm

• 225 2_ |a 经典原版书库 |A jing dian yuan ban shu ku

• 305 __ |a 原书第2版

• 306 __ |a 由ELSEVIER LTD.授权出版

• 320 __ |a 有书目和索引

• 330 __ |a 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、最小二乘和最大似然方法, 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。

• 410 _0 |1 2001 |a 经典原版书库

• 510 1_ |a 机器学习 |e 贝叶斯和优化方法 |z chi

• 517 1_ |a a bayesian and optimization perspective

• 606 0_ |a 机器学习 |A ji qi xue xi |x 英文

• 690 __ |a TP181 |v 5

• 701 _1 |a 西奥多里蒂斯 |A xi ao duo li di si |g (Theodoridis, Sergions) |4 著

• 801 _0 |a CN |b 百万庄 |c 20210830

• 905 __ |a LJUZC |d TP181/68

• 920 __ |a 222016 |z 1