概率图模型 基于R语言 [法]David Bellot(大卫·贝洛特) 人民邮电出版社【正版】 夸克云 txt pdf umd tct 百度云 kindle 下载

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。本书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。

章　概率推理　1

　　　1.1　机器学习　3

　　　1.2　使用概率表示不确定性 　4

1.2.1　信念和不确定性的概率表示 　5

1.2.2　条件概率 　6

1.2.3　概率计算和变量 　7

1.2.4　联合概率分布 　9

1.2.5　贝叶斯规则 　10

　　　1.3　概率图模型　18

1.3.1　概率模型 　18

1.3.2　图和条件独立 　19

1.3.3　分解分布 　21

1.3.4　有向模型 　22

1.3.5　无向模型 　23

1.3.6　示例和应用 　23

　　　1.4　小结　27

第 2章　推断　28

　　　2.1　构建图模型　29

2.1.1　变量的类型 　30

2.1.2　构建图 　31

　　　2.2　变量消解　37

　　　2.3　和积与信念更新　39

　　　2.4　联结树算法　43

　　　2.5　概率图模型示例　51

2.5.1　洒水器例子 　51

2.5.2　医疗专家系统 　52

2.5.3　多于两层的模型 　53

2.5.4　树结构 　55

　　　2.6　小结　56

第3章　学习参数　58

　　　3.1　引言　59

　　　3.2　通过推断学习　63

　　　3.3　大似然法　67

3.3.1　经验分布和模型分布是如何关联的？ 　67

3.3.2　大似然法和R语言实现 　69

3.3.3　应用 　73

　　　3.4　学习隐含变量——期望大化算法　75

3.4.1　隐变量 　76

　　　3.5　期望大化的算法原理　77

3.5.1　期望大化算法推导 　77

3.5.2　对图模型使用期望大化算法 　79

　　　3.6　小结　80

第4章　贝叶斯建模——基础模型　82

　　　4.1　朴素贝叶斯模型　82

4.1.1　表示 　84

4.1.2　学习朴素贝叶斯模型 　85

4.1.3　完全贝叶斯的朴素贝叶斯模型 　87

　　　4.2　Beta二项式分布　90

4.2.1　先验分布 　94

4.2.2　带有共轭属性的后验分布 　95

4.2.3　如何选取Beta参数的值　95

　　　4.3　高斯混合模型　97

4.3.1　定义　97

　　　4.4　小结　104

第5章　近似推断　105

　　　5.1　从分布中采样　106

　　　5.2　基本采样算法　108

5.2.1　标准分布　108

　　　5.3　拒绝性采样　111

5.3.1　R语言实现 　113

　　　5.4　重要性采样　119

5.4.1　R语言实现 　121

　　　5.5　马尔科夫链蒙特卡洛算法　127

5.5.1　主要思想　127

5.5.2　Metropolis-Hastings算法 　128

　　　5.6　概率图模型MCMC算法R语言实现　135

5.6.1　安装Stan和RStan 　136

5.6.2　RStan的简单例子 　136

　　　5.7　小结　137

第6章　贝叶斯建模——线性模型　139

　　　6.1　线性回归　140

6.1.1　估计参数 　142

　　　6.2　贝叶斯线性模型　146

6.2.1　模型过拟合 　147

6.2.2　线性模型的图模型 　149

6.2.3　后验分布 　151

6.2.4　R语言实现 　153

6.2.5　一种稳定的实现 　156

6.2.6　更多R语言程序包　161

　　　6.3　小结　161

第7章　概率混合模型　162

　　　7.1　混合模型　162

　　　7.2　混合模型的期望大化　164

　　　7.3　伯努利混合　169

　　　7.4　专家混合　172

　　　7.5　隐狄利克雷分布　176

7.5.1　LDA模型 　176

7.5.2　变分推断 　179

7.5.3　示例　180

　　　7.6　小结　183

附录　184

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：概率图模型 基于R语言 [法]David Bellot(大卫·贝洛特) 人民邮电出版社【正版】在线阅读

在线听书地址：概率图模型 基于R语言 [法]David Bellot(大卫·贝洛特) 人民邮电出版社【正版】在线收听

在线购买地址：概率图模型 基于R语言 [法]David Bellot(大卫·贝洛特) 人民邮电出版社【正版】在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

概率图是什么？一种可视化概率模型的方法，有利于设计和开发新模型，在人工智能、机器学习和计算机视觉等领域应用广泛。读者可以从本书中学到哪些知识？·理解概率图模型的概念，为特定的问题选取特定的概率图模型。·调整模型参数，自动发现新的模型。·从简单到复杂，逐步理解贝叶斯模型的基本原理。·把标准的线性回归模型转换为强大的概率图模型。·理解当今产业界广泛使用的模型。·使用推断和近似推断算法，计算后验概率分布。本书是市场上基于R语言的概率图图书。异步社区提供配套代码下载，网址.epubit../book/details/4893。