☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

編輯推薦

概率圖是什麼？
一種可視化概率模型的方法，有利於設計和開發新模型，在人工智能、機器學習和計算機視覺等領域應用廣泛。

讀者可以從本書中學到哪些知識？
·理解概率圖模型的概念，為特定的問題選取特定的概率圖模型。
·調整模型參數，自動發現新的模型。
·從簡單到復雜，逐步理解貝葉斯模型的基本原理。
·把標準的綫性迴歸模型轉換為強大的概率圖模型。
·理解當今産業界廣泛使用的模型。
·使用推斷和近似推斷算法，計算後驗概率分布。

本書是市場上基於R語言的概率圖圖書。異步社區提供配套代碼下載，網址http://www.epubit.com.cn/book/details/4893。

內容簡介

概率圖模型結閤瞭概率論與圖論的知識，提供瞭一種簡單的可視化概率模型的方法，在人工智能、機器學習和計算機視覺等領域有著廣闊的應用前景。本書旨在幫助讀者學習使用概率圖模型，理解計算機如何通過貝葉斯模型和馬爾科夫模型來解決現實世界的問題，同時教會讀者選擇閤適的R語言程序包、閤適的算法來準備數據並建立模型。本書適閤各行業的數據科學傢、機器學習愛好者和工程師等人群閱讀、使用。

作者簡介

David Bellot是法國國傢信息與自動化研究所（INRIA）計算機科學專業的博士，緻力於貝葉斯機器學習。他也是美國加州大學伯剋利分校的博士後，為英特爾、Orange電信和巴剋萊銀行等公司工作過。他現在財經行業工作，使用機器學習技術開發財經市場的預測算法，同時也是開源項目，如Boost C++庫的貢獻者。

譯者簡介：
魏博，誌諾維思（北京）基因科技有限公司高-級算法工程師。本科畢業於武漢大學數學係，博士畢業於中國科學院數學與係統科學研究院計算機軟件與理論專業。前阿裏巴巴優酷事業部視頻搜索算法專傢，歐普拉軟件科技（北京）有限公司新聞推薦高-級算法工程師。長期關注於用戶需求建模、行為建模和自動推理。數據挖掘、機器學習和數據可視化愛好者，尤其熱衷於海量數據中用戶視角和用戶行為模式的刻畫和推斷，以及自然語言處理問題。

目錄

第 1章　概率推理　1
1．1　機器學習　3
1．2　使用概率錶示不確定性 　4
1．2．1　信念和不確定性的概率錶示 　5
1．2．2　條件概率 　6
1．2．3　概率計算和隨機變量 　7
1．2．4　聯閤概率分布 　9
1．2．5　貝葉斯規則 　10
1．3　概率圖模型　18
1．3．1　概率模型 　18
1．3．2　圖和條件獨立 　19
1．3．3　分解分布 　21
1．3．4　有嚮模型 　22
1．3．5　無嚮模型 　23
1．3．6　示例和應用 　23
1．4　小結　27
第 2章　精 確推斷　28
2．1　構建圖模型　29
2．1．1　隨機變量的類型 　30
2．1．2　構建圖 　31
2．2　變量消解　37
2．3　和積與信念更新　39
2．4　聯結樹算法　43
2．5　概率圖模型示例　51
2．5．1　灑水器例子 　51
2．5．2　醫療專傢係統 　52
2．5．3　多於兩層的模型 　53
2．5．4　樹結構 　55
2．6　小結　56
第3章　學習參數　58
3．1　引言　59
3．2　通過推斷學習　63
3．3　zui大似然法　67
3．3．1　經驗分布和模型分布是如何關聯的？ 　67
3．3．2　zui大似然法和R語言實現 　69
3．3．3　應用 　73
3．4　學習隱含變量——期望zui大化算法　75
3．4．1　隱變量 　76
3．5　期望zui大化的算法原理　77
3．5．1　期望zui大化算法推導 　77
3．5．2　對圖模型使用期望zui大化算法 　79
3．6　小結　80
第4章　貝葉斯建模——基礎模型　82
4．1　樸素貝葉斯模型　82
4．1．1　錶示 　84
4．1．2　學習樸素貝葉斯模型 　85
4．1．3　完全貝葉斯的樸素貝葉斯模型 　87
4．2　Beta二項式分布　90
4．2．1　先驗分布 　94
4．2．2　帶有共軛屬性的後驗分布 　95
4．2．3　如何選取Beta參數的值　95
4．3　高斯混閤模型　97
4．3．1　定義　97
4．4　小結　104
第5章　近似推斷　105
5．1　從分布中采樣　106
5．2　基本采樣算法　108
5．2．1　標準分布　108
5．3　拒絕性采樣　111
5．3．1　R語言實現 　113
5．4　重要性采樣　119
5．4．1　R語言實現 　121
5．5　馬爾科夫鏈濛特卡洛算法　127
5．5．1　主要思想　127
5．5．2　Metropolis-Hastings算法 　128
5．6　概率圖模型MCMC算法R語言實現　135
5．6．1　安裝Stan和RStan 　136
5．6．2　RStan的簡單例子 　136
5．7　小結　137
第6章　貝葉斯建模——綫性模型　139
6．1　綫性迴歸　140
6．1．1　估計參數 　142
6．2　貝葉斯綫性模型　146
6．2．1　模型過擬閤 　147
6．2．2　綫性模型的圖模型 　149
6．2．3　後驗分布 　151
6．2．4　R語言實現 　153
6．2．5　一種穩定的實現 　156
6．2．6　更多R語言程序包　161
6．3　小結　161
第7章　概率混閤模型　162
7．1　混閤模型　162
7．2　混閤模型的期望zui大化　164
7．3　伯努利混閤　169
7．4　專傢混閤　172
7．5　隱狄利剋雷分布　176
7．5．1　LDA模型 　176
7．5．2　變分推斷 　179
7．5．3　示例　180
7．6　小結　183
附錄　184
概率圖模型 基於R語言 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

翻譯的不咋地，有錯誤的地方。

評分☆☆☆☆☆

書不錯

評分☆☆☆☆☆

翻譯者應該不是機器學習行業的，因為文中一些基礎的專業術語譯錯的比比皆是：例如把estimate這個統計基本術語“估計”誤譯為“評估”、有些地方把correlation翻譯為“關聯關係”（統計中叫“相關性”）……這些專業詞匯的誤譯都是硬傷。此外，簡單的英語句子這翻譯不好嗎？例如：33頁開頭，“也超齣瞭作者當時的技能範圍”，英文原文是”and beyond the skills of the author as stated before“，人傢作者明明說的是“正如前麵所說的，這也超齣瞭作者的能力”。如果一本書的翻譯專業和語言上均不過關，那為什麼還有這麼多的好評呢？我實在看不懂。

評分☆☆☆☆☆

好書

評分☆☆☆☆☆

可以！！！

評分☆☆☆☆☆

這本書過期瞭忘瞭提取，麻煩幫我追查一下

評分☆☆☆☆☆

概率圖是機器，深度學習的內容學習閱讀。

評分☆☆☆☆☆

很好，專業細緻！

評分☆☆☆☆☆

贊贊贊，666

類似圖書 點擊查看全場最低價

查看全網最低價