《利用Python实现概率、统计及机器学习方法(原书第2版)》[美]何塞・安平科 | PDF下载|ePub下载

创建

2024 年 10 月 24 日

查看

类别: 计算机/网络

利用Python实现概率、统计及机器学习方法(原书第2版) 版权信息

出版社：机械工业出版社
出版时间：2023-01-01
ISBN：9787111717737
条形码：9787111717737 ; 978-7-111-71773-7

利用Python实现概率、统计及机器学习方法(原书第2版) 本书特色

本书涵盖概率论、统计学和机器学习领域的关键思想，并使用Python模块演示了这些领域的应用。本书从*简单的概率论知识展开，逐步延伸到统计学和机器学习的关键思想，并通过Python及其强大的扩展功能来阐述概率论和统计学知识与机器学习的联系。本书各章都给出了大量的示例，以展示理论概念与具体实践的联系，并且书中所有的图形和数值结果都可以用Python重现。作者还提供了某些重要结果的详细证明。作者使用Pandas、Sympy、Scikit-learn、TensorFlow和Keras等流行的Python模块模拟和可视化了重要的机器学习概念（如偏差与方差之间的权衡、交叉验证和正则化），并通过数值方法展示了许多抽象的数学思想（如概率论中的收敛性）。本书特色 ● 全面阐释如何模拟、概念化和可视化随机统计过程以及应用机器学习方法。 ● 覆盖关键的Python模块，如Numpy、Scikit-learn、Sympy、Matplotlib、Pandas、TensorFlow、Keras等，并说明了相应的编程技巧。 ● 用直观的方法概述了概率、统计和机器学习的概念，并提供了相应的可视化代码。

利用Python实现概率、统计及机器学习方法(原书第2版) 内容简介

本书针对Python 3.6+版本进行了全面更新，涵盖了在这些领域中使用Python组件演示的概率、统计和机器学习之间的链接的关键思想。所提供的Python代码、所有的图形和数值结果都是可重复的。作者通过使用多种分析方法和Python代码处理有意义的示例来开发机器学习中的关键直觉，从而将理论概念与具体实现联系起来。对某些重要结果也给出了详细的证明。

利用Python实现概率、统计及机器学习方法(原书第2版) 目录

译者序前言第1版前言符号说明第1章科学Python入门1 1��1安装和设置2 1��2Numpy4 1��2��1Numpy数组和内存5 1��2��2Numpy矩阵8 1��2��3Numpy广播操作9 1��2��4Numpy掩码数组11 1��2��5浮点数11 1��2��6Numpy优化简介14 1��3Matplotlib15 1��3��1Matplotlib的替代方法16 1��3��2Matplotlib的扩展17 1��4IPython17 1��5Jupyter Notebook18 1��6Scipy20 1��7Pandas21 1��7��1Series21 1��7��2DataFrame23 1��8Sympy25 1��9编译库接口27 1��10集成开发环境28 1��11性能和并行编程快速指南28 1��12其他资源31 参考文献32 第2章概率33 2��1引言33 2��1��1概率密度34 2��1��2随机变量35 2��1��3连续随机变量39 2��1��4微积分以外的变量变换41 2��1��5独立随机变量42 2��1��6经典Broken Rod示例44 2��2投影法45 2��2��1加权距离47 2��3条件期望作为投影47 2��3��1附录51 2��4条件期望与均方误差52 2��5条件期望和均方误差优化示例55 2��5��1示例155 2��5��2示例258 2��5��3示例360 2��5��4示例463 2��5��5示例564 2��5��6示例666 2��6有用的分布67 2��6��1正态分布67 2��6��2多项分布67 2��6��3卡方分布69 2��6��4泊松分布和指数分布71 2��6��5伽马分布72 2��6��6贝塔分布73 2��6��7狄利克雷多项分布74 X XI 2��7信息熵76 2��7��1信息论的概念76 2��7��2信息熵的性质78 2��7��3Kullback��Leibler散度79 2��7��4交叉熵作为大似然80 2��8矩母函数80 2��9蒙特卡罗采样方法83 2��9��1离散变量逆CDF法83 2��9��2连续变量逆CDF法85 2��9��3舍选法86 2��10采样重要性重采样90 2��11实用的不等式92 2��11��1马尔可夫不等式92 2��11��2切比雪夫不等式93 2��11��3霍夫丁不等式94 参考文献96 第3章统计97 3��1引言97 3��2用于统计的Python模块98 3��2��1Sc