7 votos

¿Teoría matemática del aprendizaje a máquina "desde cero" libro de texto?

Estoy buscando el libro de texto(s) (una sola, de preferencia), que cubre el material de los Elementos de Aprendizaje Estadístico con un buen andamiaje (ESL saltos alrededor de demasiado para mí y sirve más como una referencia) y con la información detallada de los cálculos y pruebas de algoritmos, así como esbozar con detallada, paso por paso, ejemplos de cómo estos algoritmos se ejecutan desde cero, especialmente para el propósito de estudiar para los exámenes para los que no voy a tener un ordenador. En los textos de las soluciones disponibles son preferidas.

Edit: Algunos de ustedes pueden estar desconcertado por qué iba a necesitar un texto. Como un ejemplo, usted puede ver de un pasado en el examen de práctica para mi próximo curso en este enlace.

Tengo un mes para aprender el material, y no tengo tiempo para cavar a través de los 10+ de la máquina de aprendizaje de los libros que tengo para tratar de diseccionar lo que están diciendo. Tengo una fuerte preferencia por los libros de texto escritos por matemáticos. También muchos de la máquina de aprendizaje de los libros que he visto hablar de un concepto para un par de páginas y descremada sobre todo de los computacional detalles, o simplemente ejecutar todo, el uso de XYZ paquete y asumir que todo lo que viene de el paquete tiene la salida apropiada. Yo soy muy escéptico de este enfoque, e históricamente, mi escepticismo parece que me ha salvado de errores.

Mi fondo es equivalente a alrededor de la mitad de un M. S. estadísticas del programa en los Estados Unidos: probabilidad con el cálculo, Casella y Berger a nivel de estadísticas, (general + generalizada) modelos lineales con matrices, y el diseño experimental. No tengo miedo de la mano de la matriz de cómputos, y probablemente tendrá que saber cómo realizar estos algoritmos con la mano.

El muy más cercano que he visto a lo que estoy buscando son Andrew Ng CS 229 notas (ver aquí), y probablemente voy a ser el uso de estas, pero no son tan útil como me gustaría, dado que no tengo las soluciones a las tareas asignadas.

Ya he leído los siguientes libros de texto y no he encontrado suficiente para mis propósitos:

  • Mohri et al, Fundamentos de la Máquina de Aprendizaje (cerca de lo que quiero, pero no hay soluciones disponibles)
  • Clarke et al, Principios y Teoría de la Minería de Datos y Aprendizaje automático (no hay soluciones disponibles, parece suponer una medida de la teoría de fondo)
  • Murphy, Aprendizaje de Máquina (muy denso)
  • James et al, Introducción a la Estadística de Aprendizaje (depende demasiado poco en la teoría, y mucho en asumir que el R código de trabajo - ya he manchado errores (por ejemplo aquí)
  • Izenman, Modernas Técnicas Estadísticas Multivariables (mejor que la de ESL, pero se desliza por los detalles, utiliza un poco no estándar de notación, y vea el enlace a una de las preguntas que tengo encima).

Hay otros libros que no sé de que sería útil para mis propósitos?

6voto

Indio Puntos 1

Por @Café de la recomendación, yo recomendaría el texto de la Máquina de Aprendizaje: Un Bayesiano y la Optimización de la Perspectiva por Sergios Theodoridis , junto con el Reconocimiento de patrones por el mismo autor.

Estos dos textos combinados son de 2.000 páginas en total y cubren todo, desde el pregrado nivel de probabilidad para modelos lineales, y (como yo digo) todo cubierto por Elementos de Aprendizaje Estadístico, además de series de tiempo, modelos gráficos probabilísticos, aprendizaje profundo, y métodos de Monte Carlo.

El autor hace un excelente fin de que todos notación clara y coherente (gracias por la negrita todos de sus vectores!) y parece haber utilizado cuidadosamente elegido ejercicios.

Tener un fondo de la probabilidad, así como las estadísticas en el nivel de la Casella y Berger sería muy útil tener antes de seguir estos textos. Hay una cierta discusión de UMVUEs aquí.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X