《土木工程师的概率机器学习》

为土木工程专业的学生和专业人士介绍概率机器学习的关键概念和技术;有许多分步示例、插图和练习。

本书向土木工程专业的学生和专业人士介绍了概率机器学习概念，本书以一种没有统计学或者计算机科学专业背景的读者能够理解的方式介绍关键方法和技术。它通过分步示例、插图和练习清晰直接地介绍了不同的方法。掌握了这些材料后，读者将能够理解本书所借鉴的更高级的机器学习文献。

本书介绍了概率机器学习三个子领域的关键方法：监督学习、无监督学习和强化学习。它首先涵盖了理解机器学习所需的背景知识，包括线性代数和概率论。它继续提出贝叶斯估计，这是监督和无监督学习方法的制定背后的理论，以及马尔可夫链蒙特卡罗方法，它在某些复杂情况下能够进行贝叶斯估计。然后，本书介绍了与监督学习相关的方法，包括回归方法和分类方法，以及与无监督学习相关的概念，包括聚类、降维、贝叶斯网络、状态空间模型和模型校准。最后，本书介绍了不确定背景下的理性决策和不确定和顺序背景下的理性决策的基本概念。在此基础上，本书描述了强化学习的基础知识，虚拟代理在与环境交互时学习如何通过反复试验来做出最佳决策。