內容簡介
本書共13章,分別介紹了隨機變量的抽樣方法,隨機向量的抽樣方法,隨機過程的抽樣方法,Gibbs抽樣和馬爾可夫鏈,Metropolis-Hastings算法、HMC算法及SMC算法,EM算法和MM算法,梯度下降法,Newton-Raphson算法,坐標下降法,Boosting算法,凸優化與支持向量機,ADMM算法,深度學習等常用優化方法以及近些年在機器學習和深度學習領域使用的熱門算法.對各種算法,作者除了給出計算步驟和統計模型的應用實例外,還對算法涉及的基本概念和重要收斂性定理進行了介紹和證明.本書專業性較強,可作為高年級本科生和研究生的教材,也可作為相關科研人員的參考書.