【经典书】机器学习高斯过程，266页pdf

高斯过程(GPs)为核机器的学习提供了一种有原则的、实用的、概率的方法。在过去的十年中，GPs在机器学习社区中得到了越来越多的关注，这本书提供了GPs在机器学习中理论和实践方面长期需要的系统和统一的处理。该书是全面和独立的，针对研究人员和学生在机器学习和应用统计学。

这本书处理监督学习问题的回归和分类，并包括详细的算法。提出了各种协方差(核)函数，并讨论了它们的性质。从贝叶斯和经典的角度讨论了模型选择。讨论了许多与其他著名技术的联系，包括支持向量机、神经网络、正则化网络、相关向量机等。讨论了包括学习曲线和PAC-Bayesian框架在内的理论问题，并讨论了几种用于大数据集学习的近似方法。这本书包含说明性的例子和练习，和代码和数据集在网上是可得到的。附录提供了数学背景和高斯马尔可夫过程的讨论。