Python贝叶斯建模与计算
全新正版 极速发货
￥ 59.94 6.1折 ￥ 98 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者(阿根廷)奥斯瓦尔多·A.马丁//(美)拉万·库马尔//劳俊鹏|译者:郭涛
出版社清华大学
ISBN9787302654858
出版时间2024-03
装帧平装
开本其他
定价98元
货号32008832
上书时间2024-11-10
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 贝叶斯推断
1.1 贝叶斯建模
1.1.1 贝叶斯模型
1.1.2 贝叶斯推断介绍
1.2 一个自制采样器，不要随意尝试
1.3 支持自动推断，反对自动建模
1.4 量化先验信息的方法
1.4.1 共轭先验
1.4.2 客观先验
1.4.3 最大熵先验
1.4.4 弱信息先验与正则化先验
1.4.5 先验预测分布用于评估先验选择
1.5 练习
第2章 贝叶斯模型的探索性分析
2.1 贝叶斯推断前后的工作
2.2 理解你的假设
2.3 理解你的预测
2.4 诊断数值推断
2.4.1 有效样本量
2.4.2 潜在尺度缩减因子（R）
2.4.3 蒙特卡罗标准差
2.4.4 轨迹图
2.4.5 自相关图
2.4.6 秩图
2.4.7 散度
2.4.8 采样器的参数和其他诊断方法
2.5 模型比较
2.5.1 交叉验证和留一法
2.5.2 对数预测密度的期望
2.5.3 帕累托形状参数k
2.5.4 解读帕累托参数k较大时的p_loo
2.5.5 LOO-PIT
2.5.6 模型平均
2.6练习第3章 线性模型与概率编程语言
3.1 比较两个或多个组
3.2 线性回归
3.2.1 一个简单的线性模型
3.2.2 预测
3.2.3 中心化处理
3.3 多元线性回归
3.4 广义线性模型
3.4.1 逻辑回归
3.4.2 分类模型
3.4.3 解释对数赔率
3.5 回归模型的先验选择
3.6 练习
第4章 扩展线性模型
4.1 转换预测变量
4.2 可变的不确定性
4.3 引入交互效应
内容摘要
《Python贝叶斯建模与计算》旨在帮助贝叶斯初学者成为中级从业者。本书使用了PyMC3、TensorFlowProbability和ArviZ等多个软件库的实践方法，重点是应用统计学的实践方法，并参
考了基础数学理论。
本书首先回顾了贝叶斯推断的概念。第2章介绍了贝叶斯模型探索性分析的现代方法。基于这两个基本原
理，接下来的章节介绍了各种模型，包括线性回归、样条、时间序列和贝叶斯加性回归树。其后几章讨论的主题包括：逼近贝叶斯计算，通过端到端案例研究展示如
何在不同环境中应用贝叶斯建模，以及概率编程语言内部构件。最后一章深入讲述数学理论或扩展对某些主题的讨论，作为本书其余部分的参考。
本书由PyMC3、ArviZ、
Bambi和TensorFlowProbability等软件库的贡献者撰写。
— 没有更多了 —
以下为对购买帮助不大的评价