【2023新书】基于模型的机器学习，428页pdf

如今，机器学习已广泛应用于各个领域和众多问题。在进行机器学习时，一个基本挑战是将特定机器学习技术的抽象数学与具体、现实世界的问题相结合。本书通过基于模型的机器学习方法来解决这一挑战。基于模型的机器学习专注于理解编码假设以及其对系统行为影响的于现实情境中假设从算法所需详细数学中分离出来，使得更容易理解。有关基于模型的机器学习是什么以及它如何帮助解决问题，请参阅名为“机器学习如何解决我的问题？”介绍章节获取更多详细信息。本书独特之处在于不回顾算法或技术类别，而是通过案例研究介绍所有关键思想，并涉及到现实世界应用程序。案例研究在讨论建模假设时起着核心作用，因为只有在应用程序上下文中才能有意义地讨论它们。每个案例研究章节都介绍了一个现实世界应用，并使用基于模型的方法来解决该问题。此外，第一个教程章节探讨了一个虚构谋杀谜团问题。

每一章也会介绍各种机器学习的概念，不是抽象的概念，而是根据应用需求而具体介绍的技术。您可以将这些概念视为构建模型的构件。尽管您将需要投入一些时间来完全理解这些概念，但您很快就会发现，可以从相对较少的构建块构建各种各样的模型。通过学习本书中的案例，你将了解这些组件是什么以及如何使用它们。目的是让您充分了解基于模型的方法的威力和灵活性，以允许您解决机器学习问题。

本书适用于任何想要使用机器学习解决现实问题的技术人员，或者想要理解为什么现有的机器学习系统会这样运行的技术人员。本书的重点是设计模型来解决实际案例研究中出现的问题。最后一章“如何阅读模型”将使用基于模型的机器学习来理解现有的机器学习技术。一些更有数学头脑的读者会想了解模型如何变成可运行算法的细节。在本书中，我们将这些需要更高级数学知识的部分分成了更深入的部分。深潜部分被标记为如下图所示的面板。这些部分是可选的——你可以在没有它们的情况下阅读本书。推理深入研究算法细节的技术部分将被标记为这样。如果你只想专注于建模，可以跳过这些部分。