机器学习的纸笔练习
这是一系列主要以纸笔为工具的机器学习练习题集。每道练习都配有详细解答。涵盖以下主题:
- 线性代数
- 优化
- 有向图模型
- 无向图模型
- 图模型的表达能力
- 因子图和消息传递
- 隐马尔可夫模型推断
- 基于模型的学习(包括独立成分分析和非归一化模型)
- 采样和蒙特卡洛积分
- 变分推断
编译后的PDF文档可在arXiv上获取。
请使用以下引用格式:
@TechReport{Gutmann2022a,
author = {Michael U. Gutmann},
title = {Pen and Paper Exercises in Machine Learning},
institution = {University of Edinburgh},
year = {2022},
arxiv = {https://arxiv.org/abs/2206.13446},
url = {https://github.com/michaelgutmann/ml-pen-and-paper-exercises},
}
本作品采用知识共享署名 4.0 国际许可协议进行许可。
使用方法
在Linux系统下,你可以使用make
命令编译整个集合。使用make clean
命令可以删除临时文件。
默认情况下,编译后的文档包含练习题的解答。如果要编译不含解答的文档,请在main.tex
文件中注释掉\SOLtrue
并取消对\SOLfalse
的注释。
贡献
请使用GitHub的问题功能来报告错误或拼写错误。我欢迎社区贡献。主要目的是提供练习题及其详细解答。如有想法请与我联系。我的联系信息可在这里找到。
致谢
Tikz设置基于David Barber慷慨分享的宏。这些宏部分用于他的著作《贝叶斯推理与机器学习》。我使用了Philippe Faist开发的ethuebung
包。我修改了样式文件以支持多个章节和在目录中包含练习题。线性代数和优化练习的部分内容是我为赫尔辛基大学的无监督机器学习课程开发的,其余练习是为爱丁堡大学的概率建模与推理课程开发的。