【2024机器学习新书】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最佳的机器学习模型配置。通过这本实用指南，将其先进技术付诸实践。在《贝叶斯优化实战》中，您将学习如何：

⏬电子书下载方式：

公众号后台回复：20240323

• 在稀疏和大型数据集上训练高斯过程
• 将高斯过程与深度神经网络结合，使它们灵活且富有表达力
• 找到超参数调优的最成功策略
• 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约束的、多目标的和偏好优化
• 用PyTorch、GPyTorch和BoTorch实现贝叶斯优化

《贝叶斯优化实战》向您展示如何应用最先进的贝叶斯技术来优化超参数调优、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、插图和具体例子证明了贝叶斯优化并不难！您将深入了解贝叶斯优化的工作原理，并学习如何使用最新的Python库来实现它。书中的易于重用代码样本让您可以直接插入到自己的项目中，立即上手。 前言由Luis Serrano和David Sweet撰写。购买纸质书包括从Manning Publications获得PDF、Kindle和ePub格式的免费电子书。 关于技术：在机器学习中，优化是关于在最少的步骤中实现最佳预测——最短的交付路线、完美的价格点、最准确的推荐。贝叶斯优化使用概率数学来高效微调ML函数、算法和超参数，尤其当传统方法太慢或太昂贵时。 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。在本书中，您将探索训练大型数据集、超参数调优和导航复杂搜索空间的实用技术。这本有趣的书包括引人入胜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。您将学习如何在多目标场景中导航，考虑决策成本，并应对成对比较。 内容包括：

⏬电子书下载方式：

公众号后台回复：20240323

• 针对稀疏和大型数据集的高斯过程
• 超参数调优策略
• 识别高性能区域
• 在PyTorch、GPyTorch和BoTorch中的示例
  

适用于读者：适合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研究助理。 他为Python软件基金会撰写文章，并撰写了多本关于Python编程的书籍。 目录：1 贝叶斯优化简介 第一部分 使用高斯过程建模 2 将高斯过程视为函数分布 3 使用均值和协方差函数自定义高斯过程 第二部分 使用贝叶斯优化做决策 4 使用改进基策略细化最佳结果 5 使用土匪风格策略探索搜索空间 6 使用信息理论的熵基策略 第三部分 将贝叶斯优化扩展到特定设置 7 使用批量优化最大化吞吐量 8 使用约束优化满足额外约束 9 使用多保真优化平衡效用和成本 10 使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 特殊的高斯过程模型 12 将高斯过程扩展到大型数据集 13 将高斯过程与神经网络结合 封底简介：《贝叶斯优化实战》教您如何从头开始构建贝叶斯优化系统。这本书将最先进的研究转化为您可以轻松实践的可用技术——所有这些都配有有用的代码样本。您将通过吸引人的示例来提高对贝叶斯优化的理解——从预测天气到找到咖啡的最佳糖量，甚至决定某人是否有心灵感应！在此过程中，您将探索具有多个目标的情景，每个决策都有自己的成本，以及当反馈以成对比较的形式出现时。有了这些技术的集合，您将准备好为一切找到最佳解决方案——从运输和物流到癌症治疗。 适用于读者：适合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Python程序员和机器学习爱好者。他对涉及不确定性的决策问题感兴趣。Quan已经撰写了多本关于Python编程和科学计算的书籍。他目前正在圣路易斯华盛顿大学攻读计算机科学博士学位，他在那里研究机器学习中的贝叶斯方法。

⏬电子书下载方式：

公众号后台回复：20240323