贝叶斯方法:概率编程与贝叶斯推断 PDF格式高清电子书免费下载

贝叶斯方法:概率编程与贝叶斯推断

作者 【加】Cameron Davidson-Pilon(卡梅隆 戴维森-皮隆)
译者 辛愿 钟黎 欧阳婷
出版社 人民邮电出版社
出版日期 2018
页数 200
格式 Paper book / ebook (PDF)
ISBN 9787115438805
评分
价格 59
  • 内容简介
  • 图书目录
  • 免费下载

出版信息

ISBN:9787115438805
语言:简体中文
包装/印刷类型:2
开本:小16开
出版时间:2017-01-01 00:00:00
页数:200

内容简介

本书首先介绍贝叶斯推理的基本概念,同其他技术进行对比,指导读者建立和训练自己的第一个贝叶斯模型。而后借助Python库PyMC,通过一系列详细的例子和直观的解释,教会读者掌握使用马尔可夫链蒙特卡罗算法,选择合适的样本大小和先验条件,处理损失函数,并把贝叶斯推理应用到市场、金融等领域。

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。

图书目录

目录

第 1章 贝叶斯推断的哲学 1

1.1 引言 1

1.1.1 贝叶斯思维 1

1.1.2 贝叶斯推断在实践中的运用 3

1.1.3 频率派的模型是错误的吗? 4

1.1.4 关于大数据 4

1.2 我们的贝叶斯框架 5

1.2.1 不得不讲的实例:抛硬币 5

1.2.2 实例:图书管理员还是农民 6

1.3 概率分布 8

1.3.1 离散情况 9

1.3.2 连续情况 10

1.3.3 什么是 12

1.4 使用计算机执行贝叶斯推断 12

1.4.1 实例:从短信数据推断行为 12

1.4.2 介绍我们的第 一板斧:PyMC 14

1.4.3 说明 18

1.4.4 后验样本到底有什么用? 18

1.5 结论 20

1.6 补充说明 20

1.6.1 从统计学上确定两个l值是否真的不一样 20

1.6.2 扩充到两个转折点 22

1.7 习题 24

1.8 答案 24

第 2章 进一步了解PyMC 27

2.1 引言 27

2.1.1 父变量与子变量的关系 27

2.1.2 PyMC变量 28

2.1.3 在模型中加入观测值 31

2.1.4 **后…… 33

2.2 建模方法 33

2.2.1 同样的故事,不同的结局 35

2.2.2 实例:贝叶斯A/B测试 38

2.2.3 一个简单的场景 38

2.2.4 A和B一起 41

2.2.5 实例:一种人类谎言的算法 45

2.2.6 二项分布 45

2.2.7 实例:学生作弊 46

2.2.8 另一种PyMC模型 50

2.2.9 更多的PyMC技巧 51

2.2.10 实例:挑战者号事故 52

2.2.11 正态分布 55

2.2.12 挑战者号事故当天发生了什么? 61

2.3 我们的模型适用吗? 61

2.4 结论 68

2.5 补充说明 68

2.6 习题 69

2.7 答案 69

第3章 打开MCMC的黑盒子 71

3.1 贝叶斯景象图 71

3.1.1 使用MCMC来探索景象图 77

3.1.2 MCMC算法的实现 78

3.1.3 后验的其他近似解法 79

3.1.4 实例:使用混合模型进行无监督聚类 79

3.1.5 不要混淆不同的后验样本 88

3.1.6 使用MAP来改进收敛性 91

3.2 收敛的判断 92

3.2.1 自相关 92

3.2.2 稀释 95

3.2.3 pymc.Matplot.plot() 97

3.3 MCMC的一些秘诀 98

3.3.1 聪明的初始值 98

3.3.2 先验 99

3.3.3 统计计算的无名定理 99

3.4 结论 99

第4章 从未言明的**伟大定理 101

4.1 引言 101

4.2 大数定律 101

4.2.1 直觉 101

4.2.2 实例:泊松随机变量的收敛 102

4.2.3 如何计算Var(Z) 106

4.2.4 期望和概率 106

4.2.5 所有这些与贝叶斯统计有什么关系呢 107

4.3 小数据的无序性 107

4.3.1 实例:地理数据聚合 107

4.3.2 实例:Kaggle的美国人口普查反馈比例预测比赛 109

4.3.3 实例:如何对Reddit网站上的评论进行排序 111

4.3.4 排序! 115

4.3.5 但是这样做的实时性太差了 117

4.3.6 推广到评星系统 122

4.4 结论 122

4.5 补充说明 122

4.6 习题 123

4.7 答案 124

第5章 失去一只手臂还是一条腿 127

5.1 引言 127

5.2 损失函数 127

5.2.1 现实世界中的损失函数 129

5.2.2 实例:优化“价格竞猜”游戏的展品出价 130

5.3 机器学习中的贝叶斯方法 138

5.3.1 实例:金融预测 139

5.3.2 实例:Kaggle观测暗世界 大赛 144

5.3.3 数据 145

5.3.4 先验 146

5.3.5 训练和PyMC实现 147

5.4 结论 156

第6章 弄清楚先验 157

6.1 引言 157

6.2 主观与客观先验 157

6.2.1 客观先验 157

6.2.2 主观先验 158

6.2.3 决策,决策…… 159

6.2.4 经验贝叶斯 160

6.3 需要知道的有用的先验 161

6.3.1 Gamma分布 161

6.3.2 威沙特分布 162

6.3.3 Beta分布 163

6.4 实例:贝叶斯多臂老虎机 164

6.4.1 应用 165

6.4.2 一个解决方案 165

6.4.3 好坏衡量标准 169

6.4.4 扩展算法 173

6.5 从领域专家处获得先验分布 176

6.5.1 试验轮盘赌法 176

6.5.2 实例:股票收益 177

6.5.3 对于威沙特分布的专业提示 184

6.6 共轭先验 185

6.7 杰弗里斯先验 185

6.8 当N增加时对先验的影响 187

6.9 结论 189

6.10 补充说明 190

6.10.1 带惩罚的线性回归的贝叶斯视角 190

6.10.2 选择退化的先验 192

第7章 贝叶斯A/B测试 195

7.1 引言 195

7.2 转化率测试的简单重述 195

7.3 增加一个线性损失函数 198

7.3.1 收入期望的分析 198

7.3.2 延伸到A/B测试 202

7.4 超越转化率:t检验 204

7.4.1 t检验的设定 204

7.5 增幅的估计 207

7.5.1 创建点估计 210

7.6 结论 211

术语表 213

点击展开

点击收起

贝叶斯方法:概率编程与贝叶斯推断 PDF格式高清电子书免费下载

提醒:本站所有图书资源均索引自互联网,版权争议与本站无关。如有侵权或其他争议的可能性,请发起版权投诉,因本站未参与任何制作、转制、存储等任一环节,故无法对涉及到的资源进行删除,本站会依据DMCA原则, 对涉及的资源链接进行删除。因为所有图书资源均不属于本站,本站只提供索引服务,故本站不保证任何资源的准确性,权威性,请使用者自行判断。

  • 查看原页面 报告错误 直接下载
  • 查看原页面 报告错误 直接下载

看了 贝叶斯方法:概率编程与贝叶斯推断 的用户也看了: