安徽理工大学图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

机器学习的算法分析和实践/孙健编著

出版发行项:

北京:清华大学出版社,2023.10

ISBN及定价:

978-7-302-64152-0/CNY59.00

载体形态项:

176页:图;24cm

个人责任者:

孙健 编著

学科主题:

机器学习-算法分析

中图法分类号:

TP181

责任者附注:

孙健, 复旦大学数学学院教授、金融研究院量化中心主任。北京大学数学系毕业, 2000年美国芝加哥大学博士毕业。曾担任摩根士丹利固定收益部执行总经理, 从事股票类、固定收益类、大宗商品类等衍生品的定价、交易和风险对冲工作。

提要文摘附注:

本书是一本全面介绍机器学习方法特别是算法的新书, 适合初学者和有一定基础的读者。机器学习可以分成三大类别, 监督式学习、非监督式学习和强化学习。三大类别背后的算法也各有不同。监督式学习使用了数学分析中函数逼近方法、概率统计中的极大似然方法。非监督式学习使用了聚类和贝叶斯算法。强化学习使用了马尔可夫决策过程算法。机器学习背后的数学部分来自概率、统计、数学分析以及线性代数等领域。虽然用到的数学较多, 但是最快捷的办法还是带着机器学习的具体问题来掌握背后的数学原理。因为线性代数和概率理论使用较多, 本书在最后两章集中把重要的一些概率论和线性代数的内容加以介绍。

豆瓣简介：