Вероятностное машинное обучение [Кэвин П. Мэрфи] (pdf) читать постранично

Tlgm: @it_boooks

Tlgm: @it_boooks

Кэвин П. Мэрфи

Вероятностное
машинное обучение
Введение

Tlgm: @it_boooks

Kevin P. Murphy

Probabilistic
Machine Learning
An Introduction

Cambridge, Massachusetts
London, England

Tlgm: @it_boooks

Кэвин П. Мэрфи

Вероятностное
машинное обучение
Введение

Москва, 2022

Tlgm: @it_boooks

УДК 004.048
ББК 32.972
М97

Мэрфи К. П.
М97 Вероятностное машинное обучение: введение / пер. с англ. А. А. Слинки‑
на. – М.: ДМК Пресс, 2022. – 940 с.: ил.
ISBN 978-5-93700-119-1
Данный классический труд содержит современное введение в машинное
обучение, рассматриваемое сквозь призму вероятностного моделирования
и байесовской теории принятия решений. Включен базовый математический
аппарат (в том числе элементы линейной алгебры и теории оптимизации), основы
обучения с учителем (включая линейную и логистическую регрессию и глубокие
нейронные сети), а также более глубокие темы (в частности, перенос обучения
и обучение без учителя).
Упражнения в конце глав помогут читателям применить полученные знания.
В приложении приводится сводка используемых обозначений.
Книга будет полезна специалистам в области машинного обучения и студентам
профильных специальностей.

УДК 004.048
ББК 32.972

Copyright Original English language edition published by The MIT Press Cambridge, MA.
Copyright © 2021 Kevin P. Murphy. Russian-language edition copyright © 2022 by DMK Press.
All rights reserved. The rights to the Russian-language edition obtained through Alexander
Korzhenevski Agency (Moscow). Права на издание получены при помощи агентства Алек‑
сандра Корженевского (Москва).
Все права защищены. Любая часть этой книги не может быть воспроизведена в ка‑
кой бы то ни было форме и какими бы то ни было средствами без письменного разрешения
владельцев авторских прав.

ISBN 978-0-2620468-2-4 (англ.)
ISBN 978-5-93700-119-1 (рус.)

© Kevin P. Murphy, 2021
© Перевод, оформление, издание,
ДМК Пресс, 2022

Tlgm: @it_boooks

Содержание
От издательства....................................................................................................30
Предисловие ..........................................................................................................31
Глава 1. Введение ................................................................................................34
1.1. Что такое машинное обучение? ........................................................................34
1.2. Обучение с учителем ..........................................................................................35
1.2.1. Классификация.............................................................................................35
1.2.1.1. Пример: классификация ирисов ........................................................35
1.2.1.2. Разведочный анализ данных ..............................................................37
1.2.1.3. Обучение классификатора ..................................................................38
1.2.1.4. Минимизация эмпирического риска ................................................39
1.2.1.5. Неопределенность ................................................................................41
1.2.1.6. Оценка максимального правдоподобия ...........................................42
1.2.2. Регрессия .......................................................................................................43
1.2.2.1. Линейная регрессия .............................................................................44
1.2.2.2. Полиномиальная регрессия ................................................................45
1.2.2.3. Глубокие нейронные сети ...................................................................46
1.2.3. Переобучение и обобщаемость .................................................................47
1.2.4. Теорема об отсутствии бесплатных завтраков........................................48
1.3. Обучение без учителя .........................................................................................48
1.3.1. Кластеризация ..............................................................................................49
1.3.2. Обнаружение латентных «факторов изменчивости» .............................50
1.3.3. Самостоятельное обучение ........................................................................51
1.3.4. Оценка обучения без учителя ....................................................................52
1.4. Обучение с подкреплением ...............................................................................53
1.5. Данные ..................................................................................................................55
1.5.1. Некоторые широко известные наборы изображений ............................55
1.5.1.1. Небольшие наборы изображений ......................................................55
1.5.1.2. ImageNet.................................................................................................56
1.5.2. Некоторые широко известные наборы текстовых данных ...................57
1.5.2.1. Классификация текста .........................................................................58
1.5.2.2. Машинный перевод .............................................................................59
1.5.2.3. Другие задачи типа seq2seq ................................................................59
1.5.2.4. Языковое моделирование ...................................................................59
1.5.3. Предобработка дискретных входных данных .........................................60
1.5.3.1. Унитарное кодирование ......................................................................60
1.5.3.2. Перекрестные произведения признаков ..........................................60
1.5.4. Предобработка текстовых данных ............................................................61
1.5.4.1. Модель мешка слов ..............................................................................61
1.5.4.2 TF-IDF ......................................................................................................62

Tlgm: @it_boooks

6  Содержание
1.5.4.3. Погружения слов...................................................................................63
1.5.4.4. Обработка новых слов .........................................................................63
1.5.5. Обработка отсутствующих данных ...........................................................64
1.6. Обсуждение