一本重新理解机器学习需要什么数学的教材
- 2026-11-23 00:32:57
一本重新理解机器学习需要什么数学的教材
我选这本书的原因很简单:它的作者是交叉熵方法的开创者之一。换句话说,这本书里讲的东西,很多就是作者自己发明或发展的。
第一版的评价很扎实。《国际流行病学杂志》说它“用九个简洁但信息密集的章节,为 AI 和数据科学领域提供了逻辑清晰、结构稳健的数学和统计方法导论”。《Biometrics》的评价更具体,说“这本书把算法组织得清晰而巧妙,Python 代码的写法紧贴算法流程,对想理解背景知识来龙去脉的读者非常有用”。
第二版在第一版基础上做了不少扩充。蒙特卡洛方法部分新增了再生拒绝采样,作者说这是 MCMC 的一个更简单的替代方案。无监督学习部分加入了两个多维扩散核密度估计器,以及带宽扰动匹配方法。回归部分增加了局部线性回归的自动带宽选择。新增了一整章讲高维模型选择的 klimax 方法。最重要的是,新增了一整章讲强化学习,覆盖策略迭代、时序差分学习和策略梯度方法,全部配有 Python 代码。附录也扩展了,线性代数、泛函分析、优化三个部分都加了不少内容,包括坐标下降法和 Majorization-Minimization 方法。
说实话,这本书不适合想“速成机器学习”的人。它是一本教材,章节按逻辑推进,每章后面有习题,需要你花时间读推导、看代码、动手练。但如果你和我一样,不想只调包调参、想知道算法背后的数学为什么长这个样子,这本书值得放在手边。它的作者不只是讲别人的东西,他们讲的就是自己做过的东西。
上海,49分钟前,
本文来自网友投稿或网络内容,如有侵犯您的权益请联系我们删除,联系邮箱:wyl860211@qq.com 。