【2023新书】贝叶斯优化实战，426页pdf

贝叶斯优化帮助您快速准确地找到机器学习模型的最佳配置。本手册向您展示如何将其先进技术付诸实践。 在《贝叶斯优化实战》中，您将学会如何：

• 在稀疏和大数据集上训练高斯过程
• 将高斯过程与深度神经网络相结合，使其更具灵活性和表达力
• 找到超参数调整的最成功策略
• 导航搜索空间并识别高性能区域
• 将贝叶斯优化应用于成本受限、多目标和优先优化
• 使用PyTorch，GPyTorch，和BoTorch实现贝叶斯优化

《贝叶斯优化实战》向您展示如何通过应用尖端的贝叶斯技术来优化超参数调整、A/B测试以及机器学习过程的其他方面。本书使用清晰的语言、插图和具体的例子证明贝叶斯优化并不难！您将深入了解贝叶斯优化的工作原理，并学习如何使用尖端的Python库实现它。本书的易于复用的代码样本可让您直接插入到您自己的项目中快速启动。 前言由Luis Serrano和David Sweet撰写。 购买纸质书包括来自Manning Publications的免费电子书，支持PDF，Kindle和ePub格式。 关于这项技术： 在机器学习中，优化是关于在最少的步骤中实现最佳的预测——最短的配送路线、完美的价格点、最准确的推荐。当传统方法过于缓慢或昂贵时，贝叶斯优化使用概率数学来微调ML函数、算法和超参数。 关于本书： 《贝叶斯优化实战》教您如何使用贝叶斯方法创建高效的机器学习过程。其中，您将探索大数据集训练、超参数调整和导航复杂搜索空间的实用技术。这本有趣的书包括吸引人的插图和有趣的例子，如完善咖啡的甜度、预测天气，甚至揭穿心灵感应的主张。您将学会如何在多目标场景中导航，考虑决策成本，并处理成对比较。

主要内容：

• 稀疏和大型数据集的高斯过程
• 超参数调整策略
• 识别高性能区域
• PyTorch，GPyTorch，和BoTorch的例子

关于读者： 适用于对数学和统计学有信心的机器学习从业者。 关于作者： Quan Nguyen是圣路易斯华盛顿大学的一名研究助理。他为Python Software Foundation撰写文章，并且著有数本关于Python编程的书。他目前在华盛顿大学攻读计算机科学博士学位，专研机器学习中的贝叶斯方法。

目录：

1 贝叶斯优化简介 第一部分 用高斯过程建模 2 高斯过程作为函数的分布 3 用均值和协方差函数定制高斯过程 第二部分 用贝叶斯优化做决定 4 用改进型政策完善最佳结果 5 用土匪式政策探索搜索空间 6 用熵为基础的政策利用信息理论 第三部分 将贝叶斯优化扩展到专门的设置 7 用批优化最大化吞吐量 8 用约束优化满足额外约束 9 用多保真优化平衡效用和成本 10 用偏好优化从成对比较中学习 11 同时优化多个目标 第四部分 特殊高斯过程模型 12 将高斯过程扩展到大数据集 13 将高斯过程与神经网络结合 封底： 《贝叶斯优化实战》教您如何从头开始构建贝叶斯优化系统。本书将最先进的研究转化为您可以轻松付诸实践的技术——所有这些都配有有用的代码样本，以图文并茂的方式展现。通过吸引人的例子——从预测天气到为咖啡找到最佳的糖分比例，甚至决定某人是否有超能力——您将深化对贝叶斯优化的理解。一路上，您将探索多目标场景、每个决定都有其成本时的场景以及反馈以成对比较的形式存在时的场景。有了这套技术，您将准备好为从运输和物流到癌症治疗的所有事物找到最优解。 关于读者： 适用于对数学和统计学有信心的机器学习从业者。 关于作者： Quan Nguyen是一名Python程序员和机器学习爱好者。他对解决涉及不确定性的决策问题感兴趣。Quan著有关于Python编程和科学计算的几本书。他目前在圣路易斯华盛顿大学攻读计算机科学博士学位，他在机器学习领域进行了贝叶斯方法的研究。