机器学习—从线性回归到大模型—from linear begression to large models
内容简介：本书覆盖线性回归、岭回归、Lasso、Logistic回归等经典线性模型，决策树、随机森林、GBDT、XGBoost等集成方法，BP神经网络、卷积神经网络、循环神经网络等深度学习模型，以及基于Transformer的大语言模型(如BERT和GPT)。此外，书中还介绍因果推断方法、模型可解释性工具(如SHAP)与迁移学习等前沿技术，强调跨学科融合，关注算法应用场景.
登录后可荐购