机器学习中的统计思维（Python实现）_董平_9787302634010

机器学习是人工智能的核心，而统计思维则是机器学习方法的核心：从随机性中寻找规律性。例如，利用损失最小化思想制定学习策略，采用概率最大化思想估计模型参数，利用方差对不确定性的捕捉构造 k维树，采用贝叶斯公式构建分类决策模型，等等。只有树立正确的统计思维，才能准确高效地运用机器学习方法开展数据处理与分析。本书以统计思维的视角，揭示监督学习中回归和分类模型的核心思想，帮助读者构建理论体系。具体模型包括线性回归模型、K近邻模型、贝叶斯推断、逻辑回归模型、最大熵模型、决策树模型、感知机模型、支持向量机、EM算法和提升方法。

本书共 12章，绪论介绍贯穿本书的两大思维模式，以及关于全书的阅读指南；第 1章介绍一些基本术语，并给出监督学习的流程；第 2章介绍关于回归问题的机器学习方法；第 3～9章介绍关于分类问题的机器学习方法；第 10章介绍可应用于具有隐变量模型的参数学习算法EM算法；第 11章简单介绍集成学习，并重点阐述其中的提升（Boosting）
方法。为满足个性化学习需求的不同需求，本书从核心思想、方法流程及实际案例应用等不同角度，详细描述各种方法的原理和实用价值，非常适合数据科学、机器学习专业的本科生和研究生学习，也可供相关从业者参考。

前言

2018年，一位计算机专业的朋友自学机器学习内容，期间遇到诸多困难，尤其是关于概率与统计学方面的内容，这一现象让我开始关注统计学与机器学习这两个领域。李航老师的《统计学习方法》可以说是一本与统计学接轨最多的书籍，也让我萌生了与大家分享统计学与机器学习的想法。虽然机器学习的发展有其独特的发展历程，但是很多模型和算法的理论基础仍然来自于统计学。因此，我们需要从统计学的角度来理解机器学习模型的本质。
在朋友们的鼓励下，我决定以《统计学习方法》为蓝本，制作知识型视频。入驻 B站后，从最初寥寥的几十名粉丝，到几百名粉丝，再到现在的将近三万名粉丝。这些人中有一部分是学生，如刚毕业的高中生、本科生、硕士生和博士生；还有一部分是从业者，如高校教师、企业或公司的在职人员。大家志同道合、汇聚于此。与各位的互动交流让我加深了理解，开阔了视野，拓宽了思路。真诚地感谢各位小伙伴们长期以来的支持！是你们的支持让我有勇气继续录制视频并贯彻始终。
自古以来，学者们便一直在探寻万物本源，寻找真理。如今，人工智能已经成为科技领域的一大热点，机器学习更是其中最为核心的研究方向之一。在机器学习领域，很多人关注算法的实现和结果，却忽略了算法背后的理论基础。而在这一领域，概率和统计学是不可或缺的。希望本书的出版为展示机器学习背后的统计学原理提供绵薄之力。
为满足不同年龄和不同专业读者的需求，我们为大家贴心地准备了主体书与小册子。主体书以机器学习模型为主，每一章都清晰透彻地解析了模型原理，书中的每一页都设计了留白，方便读者批注；小册子用于查阅碎片化的知识点，便于读者随时复习需要的数学概念。书中不仅有机器学习的理论知识，还有故事和案例，希望各位读者在阅读本书的过程中能够感受到机器学习中统计思维的魅力，获得科学思维方法的启迪并具有独立的创新思辨能力。
最后，我要感谢清华大学出版社的杨迪娜编辑，是她让我有了写书的想法，将我积累多年的机器学习中的统计思维知识分享给读者，更感谢她为本书立项、编校与出版所付出的辛勤劳动，同时感谢清华大学出版社对本书的支持。感谢所有哔哩哔哩、机器学习中的统计思维 (Python实现)公众号和知乎上的粉丝对我的关注、留言、提问与批评。感谢来自天津大学的马晓慧帮助整理视频讲义。感谢家人带给我的灵感、快乐与温暖。限于本人水平，书中的缺点和不足之处在所难免，热忱欢迎各位读者批评指正。
董平
2023年 9月

你还可能感兴趣

我要评论