概率图模型(基于R语言)
①全新正版，现货速发，7天无理由退换货②天津、成都、无锡、广东等多仓就近发货，订单最迟48小时内发出③无法指定快递④可开电子发票，不清楚的请咨询客服。
￥ 40.66 6.9折 ￥ 59 全新
库存2件
浙江嘉兴
认证卖家担保交易快速发货售后保障
作者(法)大卫·贝洛特|译者:魏博
出版社人民邮电
ISBN9787115471345
出版时间2018-01
装帧其他
开本其他
定价59元
货号30037561
上书时间2024-10-13
- 在售商品 暂无
- 平均发货时间 16小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
魏博，志诺维思(北京)基因科技有限公司高级算法工程师。本科毕业于武汉大学数学系，博士毕业于中国科学院数学与系统科学研究院计算机软件与理论专业。前阿里巴巴优酷事业部视频搜索算法专家，欧普拉软件科技(北京)有限公司新闻推荐高级算法工程师。长期关注于用户需求建模、行为建模和自动推理。数据挖掘、机器学习和数据可视化爱好者，尤其热衷于海量数据中用户视角和用户行为模式的刻画和推断，以及自然语言处理问题。
目录
第1章 概率推理
1.1 机器学习
1.2 使用概率表示不确定性
1.2.1 信念和不确定性的概率表示
1.2.2 条件概率
1.2.3 概率计算和随机变量
1.2.4 联合概率分布
1.2.5 贝叶斯规则
1.3 概率图模型
1.3.1 概率模型
1.3.2 图和条件独立
1.3.3 分解分布
1.3.4 有向模型
1.3.5 无向模型
1.3.6 示例和应用
1.4 小结
第2章 精确推断
2.1 构建图模型
2.1.1 随机变量的类型
2.1.2 构建图
2.2 变量消解
2.3 和积与信念更新
2.4 联结树算法
2.5 概率图模型示例
2.5.1 洒水器例子
2.5.2 医疗专家系统
2.5.3 多于两层的模型
2.5.4 树结构
2.6 小结
第3章 学习参数
3.1 引言
3.2 通过推断学习
3.3 最大似然法
3.3.1 经验分布和模型分布是如何关联的？
3.3.2 最大似然法和R语言实现
3.3.3 应用
3.4 学习隐含变量——期望最大化算法
3.4.1 隐变量
3.5 期望最大化的算法原理
3.5.1 期望最大化算法推导
3.5.2 对图模型使用期望最大化算法
3.6 小结
第4章 贝叶斯建模——基础模型
4.1 朴素贝叶斯模型
4.1.1 表示
4.1.2 学习朴素贝叶斯模型
4.1.3 完全贝叶斯的朴素贝叶斯模型
4.2 Beta二项式分布
4.2.1 先验分布
4.2.2 带有共轭属性的后验分布
内容摘要
概率图模型结合了概率论与图论的知识，提供了一种简单的可视化概率模型的方法，在人工智能、机器学习和计算机视觉等领域有着广阔的应用前景。大卫·贝洛特著的《概率图模型(基于R语言)》旨在帮助读者学习使用概率图模型，理解计算机如何通过贝叶斯模型和马尔科夫模型来解决现实世界的问题，同时教会读者选择合适的R语言程序包、合适的算法来准备数据并建立模型。本书适合各行业的数据科学家、机器学习爱好者和工程师等人群阅读、使用。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价