機(jī)器學(xué)習(xí)中的概率統(tǒng)計(jì)（Python語(yǔ)言描述）

　　內(nèi)容簡(jiǎn)介 本書圍繞機(jī)器學(xué)習(xí)算法中涉及的概率統(tǒng)計(jì)知識(shí)展開(kāi)介紹，沿著概率思想、變量分布、參數(shù)估計(jì)、隨機(jī)過(guò)程和統(tǒng)計(jì)推斷的知識(shí)主線進(jìn)行講解，結(jié)合數(shù)學(xué)的本質(zhì)內(nèi)涵，用淺顯易懂的語(yǔ)言講透深刻的數(shù)學(xué)思想，幫助讀者構(gòu)建理論體系。同時(shí)，作者在講解的過(guò)程中注重應(yīng)用場(chǎng)景的延伸，并利用Python工具無(wú)縫對(duì)接工程應(yīng)用，幫助讀者學(xué)以致用。？全書共5章。 ？第1章以條件概率和獨(dú)立性作為切入點(diǎn)，幫助讀者建立認(rèn)知概率世界的正確視角。 ？第2章介紹隨機(jī)變量的基礎(chǔ)概念和重要分布類型，并探討多元隨機(jī)變量間的重要關(guān)系。 ？第3章介紹極限思維以及蒙特卡羅方法，并重點(diǎn)分析極大似然估計(jì)方法以及有偏無(wú)偏等重要性質(zhì)，*后拓展到含有隱變量的參數(shù)估計(jì)問(wèn)題，介紹EM算法的原理及其應(yīng)用。 ？第4章由靜態(tài)的隨機(jī)變量過(guò)渡到動(dòng)態(tài)的隨機(jī)過(guò)程，重點(diǎn)介紹馬爾可夫過(guò)程和隱馬爾可夫模型。 ？第5章聚焦馬爾可夫鏈-蒙特卡羅方法，并列舉實(shí)例展示Metropolis-Hastings和Gibbs的具體采樣過(guò)程。

　　作者簡(jiǎn)介.張雨萌.人工智能技術(shù)專家，畢業(yè)于清華大學(xué)計(jì)算機(jī)系，現(xiàn)就職于中國(guó)艦船研究設(shè)計(jì)中心，長(zhǎng)期從事人工智能領(lǐng)域相關(guān)研究工作。諳熟機(jī)器學(xué)習(xí)算法應(yīng)用及其背后的數(shù)學(xué)理論基礎(chǔ)。目前已出版多部機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)類暢銷書籍，并入選京東推薦排行榜，廣受讀者好評(píng)。