图书介绍
概率图模型 基于R语言PDF|Epub|txt|kindle电子书版本下载
- （法）大卫·贝洛特著；魏博译 著
- 出版社： 北京：人民邮电出版社
- ISBN：9787115471345
- 出版时间：2018
- 标注页数：185页
- 文件大小：15MB
- 文件页数：200页
- 主题词：程序语言－程序设计－应用－概率－数学模型
PDF下载
下载说明
概率图模型 基于R语言PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1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概率计算和随机变量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 精确推断28
2.1构建图模型29
2.1.1随机变量的类型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最大似然法67
3.3.1经验分布和模型分布是如何关联的？67
3.3.2最大似然法和R语言实现69
3.3.3应用73
3.4学习隐含变量——期望最大化算法75
3.4.1隐变量76
3.5期望最大化的算法原理77
3.5.1期望最大化算法推导77
3.5.2对图模型使用期望最大化算法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RStan136
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混合模型的期望最大化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