掃一掃
關注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
貝葉斯思維--統(tǒng)計建模的Python學習法 版權信息
- ISBN：9787115384287
- 條形碼：9787115384287 ; 978-7-115-38428-7
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
貝葉斯思維--統(tǒng)計建模的Python學習法 本書特色
大數(shù)據(jù)時代 不懂貝葉斯你就Out了！.從零起步學貝葉斯：貝葉斯方法正在變得越來越常見與重要，但是卻沒有太多可以借鑒的資料來幫助初學者；贏llen Downey在大學講授的本科課程，本書的計算方法能幫助你獲得一個良好的開端。.內(nèi)容豐富：本書會使用已有的編程技巧學習和理解貝葉斯統(tǒng)計處理估計、預測、決策分析、假設的證據(jù)、假設檢驗等問題。.由淺入深：從簡單的例子開始，包括硬幣問題、M&Ms豆問題、《龍與地下城》勇士投骰子問題、彩彈游戲和冰球比賽問題。.案例實戰(zhàn)：幫助您學習計算方法，解決諸如SAT分數(shù)含義、模擬腎腫瘤和人體微生物建模等問題。
貝葉斯思維--統(tǒng)計建模的Python學習法 內(nèi)容簡介
這本書幫助那些希望用數(shù)學工具解決實際問題的人們，僅有的要求可能就是懂一點概率知識和程序設計。而貝葉斯方法是一種常見的利用概率學知識去解決不確定性問題的數(shù)學方法，對于一個計算機專業(yè)的人士，應當熟悉其應用在諸如機器翻譯，語音識別，垃圾郵件檢測等常見的計算機問題領域。 可是本書實際上會遠遠擴大你的視野，即使不是一個計算機專業(yè)的人士，你也可以看到在戰(zhàn)爭環(huán)境下（二戰(zhàn)德軍坦克問題），法律問題上（腎腫瘤的假設驗證），體育博彩領域（棕熊隊和加人隊NFL比賽問題）貝葉斯方法的威力。怎么從有限的信息判斷德軍裝甲部隊的規(guī)模，你所支持的球隊有多大可能贏得冠 軍，在《龍與地下城》勇士中，你應當對游戲角色屬性的**大值有什么樣的期望，甚到在普通的彩彈射擊游戲中，擁有一些貝葉斯思維也能幫助到你提高游戲水平。 除此以外，本書在共計15章的篇幅中討論了怎樣解決十幾個現(xiàn)實生活中的實際問題。在這些問題的解決過程中，作者還潛移默化的幫助讀者形成了建模決策的方法論，建模誤差和數(shù)值誤差怎么取舍，怎樣為具體問題建立數(shù)學模型，如何抓住問題中的主要矛盾（模型中的關鍵參數(shù)），再一步一步的優(yōu)化或者驗證模型的有效性或者局限性。在這個意義上，這本書又是一本關于數(shù)學建模的成功樣本。
貝葉斯思維--統(tǒng)計建模的Python學習法 目錄
目 錄
第 1章 貝葉斯定理1
1．1 條件概率1
1．2 聯(lián)合概率2
1．3 曲奇餅問題2
1．4 貝葉斯定理3
1．5 歷時詮釋4
1．6 M&M豆問題5
1．7 Monty Hall難題6
1．8 討論8
第 2章 統(tǒng)計計算9
2．1 分布9
2．2 曲奇餅問題10
2．3 貝葉斯框架11
2．4 Monty Hall難題12
2．5 封裝框架13
2．6 M&M豆問題14
2．7 討論15
2．8 練習16
第3章 估計17
3．1 骰子問題17
3．2 火車頭問題18
3．3 怎樣看待先驗概率？20
3．4 其他先驗概率21
3．5 置信區(qū)間23
3．6 累積分布函數(shù)23
3．7 德軍坦克問題24
3．8 討論24
3．9 練習25
第4章 估計進階27
4．1 歐元問題27
4．2 后驗概率的概述28
4．3 先驗概率的湮沒29
4．4 優(yōu)化31
4．5 Beta分布32
4．6 討論34
4．7 練習34
第5章 勝率和加數(shù)37
5．1 勝率37
5．2 貝葉斯定理的勝率形式38
5．3 奧利弗的血跡39
5．4 加數(shù)40
5．5 *大化42
5．6 混合分布45
5．7 討論47
第6章 決策分析49
6．1 “正確的價格”問題49
6．2 先驗概率50
6．3 概率密度函數(shù)50
6．4 PDF的表示51
6．5 選手建模53
6．6 似然度55
6．7 更新55
6．8 *優(yōu)出價57
6．9 討論59
第7章 預測61
7．1 波士頓棕熊隊問題61
7．2 泊松過程62
7．3 后驗63
7．4 進球分布64
7．5 獲勝的概率66
7．6 突然死亡法則66
7．7 討論68
7．8 練習69
第8章 觀察者的偏差71
8．1 紅線問題71
8．2 模型71
8．3 等待時間73
8．4 預測等待時間75
8．5 估計到達率78
8．6 消除不確定性80
8．7 決策分析81
8．8 討論83
8．9 練習84
第9章 二維問題85
9．1 彩彈85
9．2 Suite對象85
9．3 三角學87
9．4 似然度88
9．5 聯(lián)合分布89
9．6 條件分布90
9．7 置信區(qū)間91
9．8 討論93
9．9 練習94
第 10章 貝葉斯近似計算95
10．1 變異性假說95
10．2 均值和標準差96
10．3 更新98
10．4 CV的后驗分布98
10．5 數(shù)據(jù)下溢99
10．6 對數(shù)似然100
10．7 一個小的優(yōu)化101
10．8 ABC（近似貝葉斯計算）102
10．9 估計的可靠性104
10．10 誰的變異性更大？105
10．11 討論107
10．12 練習108
第 11章 假設檢驗109
11．1 回到歐元問題109
11．2 來一個公平的對比110
11．3 三角前驗111
11．4 討論112
11．5 練習113
第 12章 證據(jù)115
12．1 解讀SAT成績115
12．2 比例得分SAT115
12．3 先驗116
12．4 后驗117
12．5 一個更好的模型119
12．6 校準121
12．7 效率的后驗分布122
12．8 預測分布123
12．9 討論124
第 13章 模擬127
13．1 腎腫瘤的問題127
13．2 一個簡化模型128
13．3 更普遍的模型130
13．4 實現(xiàn)131
13．5 緩存聯(lián)合分布132
13．6 條件分布133
13．7 序列相關性135
13．8 討論138
第 14章 層次化模型139
14．1 蓋革計數(shù)器問題139
14．2 從簡單的開始140
14．3 分層模型141
14．4 一個小優(yōu)化142
14．5 抽取后驗142
14．6 討論144
14．7 練習144
第 15章 處理多維問題145
15．1 臍部細菌145
15．2 獅子，老虎和熊145
15．3 分層版本148
15．4 隨機抽樣149
15．5 優(yōu)化150
15．6 堆疊的層次結構151
15．7 另一個問題153
15．8 還有工作要做154
15．9 肚臍數(shù)據(jù)156
15．10 預測分布158
15．11 聯(lián)合后驗161
15．12 覆蓋162
15．13 討論164
展開全部
貝葉斯思維--統(tǒng)計建模的Python學習法 作者簡介
作者：Allen Downey，是歐林工程學院的計算機教授，加州大學伯克利分校的計算機博士。他在韋斯利學院（Wellesley College）、科爾比學院（Colby College）和加州大學伯克利分校講授計算機科學課程。他也是O’Reilly出版的Think Stats和Think Python圖書的作者。譯者：許楊毅，新浪網(wǎng)系統(tǒng)架構師，技術保障部總監(jiān)，畢業(yè)于湖南大學，15年互聯(lián)網(wǎng)工作經(jīng)驗。
書友推薦
- >
月亮虎
- >
姑媽的寶刀
- >
巴金－再思錄
- >
月亮與六便士
- >
山海經(jīng)
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
李白與唐代文化
- >
我從未如此眷戀人間
本類暢銷
