今天，谷歌研究科学家 Kevin P. Murphy 正式宣布：《几率机械进修：进阶》书稿已经完成，并面向公众提供免费下载。
这本书是《几率机械进修：简介》的续编，说起来，Kevin P. Murphy 的几率机械进修书算是经典教材了，所以客岁他宣布再版的消息曾引起广泛关注。在第二卷《进阶》中，作家扩展了机械进修的范围，以包含更具挑战性的问题。例如探讨了在多种不同分布下的进修和测试；天生高维输入，如图像、文本和图形；基于潜在变量模型发现数据「洞察力」的方式；以及如何在决议计划和控制任务中使用几率模型和推理。消息公布后，一片面读者立即下载了第二卷书稿并开始进修，另一片面读者则突然想起客岁下载的第一卷还没翻开过……不过，Kevin P. Murphy 提到，这本书也还没有全部完成，目前缺失一章内容且需要进一步校对。他还会对网络发布版本进行微调，最终书稿将在今年夏天发送给 MIT 出版社。或许是因为第二卷成书的效率太高，一位读者表示大受震撼：「什么？第一卷我还没看完啊……」
更多读者还是表达了对第二卷新书的期待：「你找不到比这两本书更全面、更连贯的现代机械进修评论了（这里是第二本书）。这套册本提供了一流的教育效果，只需要你愿意阅览……」
阅览本书之前，读者应该基本了解 (监督) 机械进修和其他相关的数学主题 (几率、统计、线性代数、优化)。这些背景材料在第一卷中有所涉及，不过第二卷是自成一体的，先阅览第一卷不是必需的。第二卷涵盖了众多主题，因此不可能把全部内容都放进书稿中，一些额外的材料可以在册本主页的线上补充中找到，这个页面还包含用于复现书中大片面图形的 Python 代码。作家表示，第二卷《几率机械进修：进阶》将于 2023 年正式出版。同时，客岁成稿的第一卷《几率机械进修：简介》近日也已经正式出版，只是价格略贵：
第二卷的整体目录如下：
册本地址：https://github.com/probml/pml2-book/releases/latest/download/pml2.pdf
完整目录：https://probml.github.io/pml-book/pml2/toc2-long-2022-02-27.pdf
这本书侧重于几率建模和推理，用于解决四种主要任务：展望 (分类和回归) 、天生 (图像和文本天生) 、发现 (聚类、降维和状态估计) 和控制 (决议计划)。第一片面更详细地介绍了这个领域的一些基本原理，并对一些第一卷中缺少的细节进行了详细介绍。第二片面会商了各种几率模型中的贝叶斯推理算法。这些不同的算法在速度、精度、通用性等方面的影响不同，由此产生的方式可以应用于许多不同的问题。第三片面会商了展望方式，用于适合 p (y|x) 形式的条件分布，其中 x ∈ X 是输入（平常是高维的），y ∈ Y 是期望的输入（平常是低维的）。这一片面假设了存在一个想要展望的正确答案，尽管平常这个答案是不确定的。第四片面会商了天生模型，形式为 p (y) 或 p (y|x)，其中可能有多个有效输入。例如，给定一个文本提示符 x，希望天生一组多样化的图片 y 与标题相匹配。在展望设置中，评估这些模型比评估标题更难，因为它的期望输入是不清楚的。第五片面将注意力转向了数据分析，会商了一些旨在揭示有意义的潜在状态或模式的方式。这片面主要关注潜在变量模型，它们是 p (z, y) = p (z) p (y|z) 的联合模型，其中 z 是隐藏状态，y 是观测值，目标是从 y 中推断 z。（该模型可以选择性地以固定的输入为条件，得到 p (z, y|x)。）此外还探讨了一些方式，用于发现以 p (y|x) 形式的展望模型隐式进修到的模式，而不依赖于显式的天生模型。最后，第六片面会商了如何使用几率模型和推理在不确定性中进行决议计划，引出了因果关系这个重要命题。此外，由于内容涉及范围广泛，大约三分之一的章节是与客座作家共同撰写或合作撰写的，这些客座作家都是领域专家 (参见下面的贡献者完整名单)。
原创文章，作者：机器之心，如若转载，请注明出处：https://www.iaiol.com/news/25652
