模式识别起源于工程,而机器学习起源于计算机科学。然而,这些活动可以看作是同一领域的两个方面,并且它们一起在过去十年中经历了实质性的发展。特别是,贝叶斯方法已经从一个专家领域发展成为主流,而图形模型已经成为描述和应用概率模型的通用框架。同时,随着变分贝叶斯和期望传播等一系列近似推理算法的发展,贝叶斯方法的实用性大大增强,基于核的新模型也对算法和应用产生了重大影响。
这本新教材反映了这些最新的发展,同时提供了模式识别和机器学习领域的全面介绍。它适用于高级本科生或博士一年级学生,以及研究人员和实践者,并且假设没有模式识别或机械学习概念的先前知识。多元微积分和基础线性代数的知识是必需的,一些对概率的熟悉是有帮助的,虽然不是必须的,这本书包括对基本概率理论的自成一体的介绍。
因为这本书的范围很广,所以不可能提供完整的参考书目,特别是没有试图提供准确的思想历史分布。相反,其目的是提供比这里可能提供的更详细的参考资料,并希望提供进入,在某些情况下,是非常广泛的文献的切入点。由于这个原因,这些参考资料经常是针对最新的教科书和评论文章,而不是原始资料。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !