可以朗读
语音朗读
189千字
字数
2023-03-01
发行日期
展开全部
主编推荐语
一本概率编程的入门书。
内容简介
本书使用概率编程库PyMC3以及可视化库ArviZ对贝叶斯统计分析的相关知识进行讲解，包括概率思维、概率编程、线性回归建模、广义线性模型、模型比较、混合模型、高斯过程以及推断引擎等知识。
全书图文并茂，通俗易懂，适合具备一定Python基础的读者学习使用。
目录
- 版权信息
- 内容提要
- 序言
- 前言
- 作者简介
- 英文版审校者简介
- 致谢
- 服务与支持
- 第1章 概率思维
- 1.1 统计学、模型以及本书采用的方法
- 1.2 概率论
- 1.3 单参数推断
- 1.4 报告贝叶斯分析结果
- 1.5 后验预测检查
- 1.6 总结
- 1.7 练习
- 第2章 概率编程
- 2.1 简介
- 2.2 PyMC3指南
- 2.3 总结后验
- 2.4 随处可见的高斯分布
- 2.5 组间比较
- 2.6 分层模型
- 2.7 总结
- 2.8 练习
- 第3章 线性回归建模
- 3.1 一元线性回归
- 3.2 鲁棒线性回归
- 3.3 分层线性回归
- 3.4 多项式回归
- 3.5 多元线性回归
- 3.6 总结
- 3.7 练习
- 第4章 广义线性模型
- 4.1 简介
- 4.2 逻辑回归
- 4.3 多元逻辑回归
- 4.4 泊松回归
- 4.5 鲁棒逻辑回归
- 4.6 GLM模型
- 4.7 总结
- 4.8 练习
- 第5章 模型比较
- 5.1 后验预测检查
- 5.2 奥卡姆剃刀原理——简单性和准确性
- 5.3 信息准则
- 5.4 贝叶斯因子
- 5.5 正则化先验
- 5.6 深入WAIC
- 5.7 总结
- 5.8 练习
- 第6章 混合模型
- 6.1 简介
- 6.2 有限混合模型
- 6.3 非有限混合模型
- 6.4 连续混合模型
- 6.5 总结
- 6.6 练习
- 第7章 高斯过程
- 7.1 线性模型和非线性数据
- 7.2 建模函数
- 7.3 高斯过程回归
- 7.4 空间自相关回归
- 7.5 高斯过程分类
- 7.6 Cox过程
- 7.7 总结
- 7.8 练习
- 第8章 推断引擎
- 8.1 简介
- 8.2 非马尔可夫方法
- 8.3 马尔可夫方法
- 8.4 样本诊断
- 8.5 总结
- 8.6 练习
- 第9章 拓展学习
展开全部
评分及书评
评分不足
1个评分
给这本书评了3.0贝叶斯实操书内容挺详细的，需要有一定的数据分析基础才能读懂。
出版方
人民邮电出版社
人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。
