机器学习的高斯过程
Gaussian processes for machine learning
Carl Edward Rasmussen · 初版 2005 年
- 6次提及
- 5人推荐
- 6位 HN 评论者
简介
Gaussian processes（高斯过程，简称 GPs）提供了一种核机器学习方法。本书全面系统地探讨了 GPs 在机器学习中的理论与实践问题。内容详尽透彻、自成体系，主要面向机器学习和应用统计领域的研究人员与学生。（摘自本书网站：http://www.gaussianprocess.org/gpml/ ）
Hacker News 读者推荐
……还有 sklearn.gaussian_process [1]，它提供了高斯过程分类与回归，属于贝叶斯学习算法，可以看作是支持向量机（SVM）的类似物。拉斯穆森的《Gaussian Processes for Machine Learning》（2006）是一本极佳的入门书，尽管成书稍微有点早了。[2]。[0] https://scikit-learn.org/stable/modules/mixture.html [1] https://scikit-learn.org/stable/modules/gaussian_process.htm... [2] http://gaussianprocess.org/gpml/chapters/
steppi 在 HN 的推荐
……计算核函数和均值预测时带来的尖峰。这是一个分两步的过程。要理解确切的公式，我强烈推荐文章中提到的资源 [2]——《Gaussian Processes for Machine Learning》第二章。如果想看教学视频，我推荐 [3]，来自康奈尔大学的一门 ML 课程。至于如何高效实现高斯过程（GPs），这依然是个挑战：numpy 虽然有一堆矩阵-向量函数……
bhl 在 HN 的推荐
你看过《Gaussian Processes for Machine Learning》[0] 吗？全书都可以在上述 URL 免费在线阅读。[0] http://www.gaussianprocess.org/gpml/
0xmohit 在 HN 的推荐
找书
数据整理自 Hacker News 公开评论，数据来源 hackerbooks.org 与 Open Library。