贝叶斯方法(概率编程与贝叶斯推断)
全新正版 极速发货
￥ 61.62 6.9折 ￥ 89 全新
库存3件
广东广州
认证卖家担保交易快速发货售后保障
作者(加)卡梅隆 戴维森-皮隆
出版社人民邮电出版社
ISBN9787115438805
出版时间2017-01
装帧其他
开本16开
定价89元
货号31164864
上书时间2024-06-05
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 贝叶斯推断的哲学
1.1 引言
1.1.1 贝叶斯思维
1.1.2 贝叶斯推断在实践中的运用
1.1.3 频率派的模型是错误的吗？
1.1.4 关于大数据
1.2 我们的贝叶斯框架
1.2.1 不得不讲的实例：抛硬币
1.2.2 实例：图书管理员还是农民
1.3 概率分布
1.3.1 离散情况
1.3.2 连续情况
1.3.3 什么是
1.4 使用计算机执行贝叶斯推断
1.4.1 实例：从短信数据推断行为
1.4.2 介绍我们的第一板斧：PyMC
1.4.3 说明
1.4.4 后验样本到底有什么用？
1.5 结论
1.6 补充说明
1.6.1 从统计学上确定两个l值是否真的不一样
1.6.2 扩充至两个转折点
1.7 习题
1.8 答案
第2章 进一步了解PyMC
2.1 引言
2.1.1 父变量与子变量的关系
2.1.2 PyMC变量
2.1.3 在模型中加入观测值
2.1.4 最后……
2.2 建模方法
2.2.1 同样的故事，不同的结局
2.2.2 实例：贝叶斯A/B测试
2.2.3 一个简单的场景
2.2.4 A和B一起
2.2.5 实例：一种人类谎言的算法
2.2.6 二项分布
2.2.7 实例：学生作弊
2.2.8 另一种PyMC模型
2.2.9 更多的PyMC技巧
2.2.10 实例：挑战者号事故
2.2.11 正态分布
2.2.12 挑战者号事故当天发生了什么？
2.3 我们的模型适用吗？
2.4 结论
2.5 补充说明
2.6 习题
2.7 答案
第3章 打开MCMC的黑盒子
3.1 贝叶斯景象图
内容摘要
本书基于PyMC语言以及一系列常用的Python数据分析框架，如NumPy、SciPy和Matplotlib，通过概率编程的方式，讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学分析的前提下，有效地解决问题。书中使用的案例往往是工作中遇到的实际问题，有趣并且实用。作者的阐述也尽量避免冗长的数学分析，而让读者可以动手解决一个个的具体问题。通过对本书的学习，读者可以对贝叶斯思维、概率编程有较为深入的了解，为将来从事机器学习、数据分析相关的工作打下基础。本书适用于机器学习、贝叶斯推断、概
率编程等相关领域的从业者和爱好者，也适合普通开发人员了解贝叶斯统计而使用。
— 没有更多了 —
以下为对购买帮助不大的评价