幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

生活不是擲骰子(理性決策的貝葉斯思維)

  • 作者：劉雪峰|責編:張毅
  • 出版社：電子工業
  • ISBN：9787121470684
  • 出版日期：2024/03/01
  • 裝幀：平裝
  • 頁數：294
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    貝葉斯是當前人工智慧的重要基礎之一。目前市面上有關貝葉斯的書籍，大多是從工科角度去闡述貝葉斯定理的推導和應用，因此運用了非常多的煩瑣公式、定理和推導。而貝葉斯應用卻是非常廣泛的，絕不僅僅是機器學習的一個工具，還可以上升到一套科學思維方法論。本書主要以貝葉斯為核心，講授了一些重要的思維方式，包括概率思維、最大似然估計、貝葉斯估計，以及用貝葉斯估計來破除某些思維的誤區。本書由淺入深地介紹了貝葉斯的核心思想，並且給出了如何用貝葉斯來指導人們日常生活思維的案例。
作者介紹
劉雪峰|責編:張毅
    劉雪峰，北京航空航天大學電腦學院副教授，博士生導師。2008年畢業於英國布里斯托大學，獲博士學位。主要研究方向包括線性代數、信號處理、人工智慧等。先後主持多項國家自然科學基金面上項目，參與國家科學基金重點項目。在國內外期刊和國際會議上發表學術論文70多篇。2018年榮獲高等學校科學研究優秀成果獎（科學技術）二等獎，在多個國際會議上獲得最佳論文獎。     執教的「小波信號與系統」在學院的課程評教中，以滿分的成績榮獲全學院第一名。
目錄
第1章  無處不在的推理
  1.1  福爾摩斯和程序員小王
    1.1.1  從兩道推理題說起
    1.1.2  福爾摩斯的精彩推理
    1.1.3  程序員小王的日記
    1.1.4  信息推斷之難
  1.2  《智子疑鄰》給我們的啟示
    1.2.1  黑白思維
    1.2.2  概率思維
  1.3  把解釋得最好的，當作最有可能的
    1.3.1  條件概率
    1.3.2  最大似然估計
    1.3.3  誰打中了十環——最大似然估計的例子
    1.3.4  是程序員還是股票經紀人——最大似然估計的其他例子
  1.4  你會患上罕見的血液病嗎——最大似然估計的問題
    1.4.1  不同原因發生的概率不同
    1.4.2  血液病檢查
    1.4.3  工作機會
第2章  貝葉斯定理
  2.1  貝葉斯定理及其數學邏輯
    2.1.1  貝葉斯定理的問世
    2.1.2  信息推斷的數學抽象
    2.1.3  最大似然估計的數學抽象
    2.1.4  如何用貝葉斯定理做信息推斷
    2.1.5  貝葉斯定理給我們的啟發
    2.1.6  用貝葉斯定理來做推斷的三個例子
  2.2  貝葉斯定理與奧卡姆剃刀
    2.2.1  奧卡姆剃刀
    2.2.2  奧卡姆剃刀的貝葉斯解釋
  2.3  貝葉斯定理與漢隆剃刀
    2.3.1  漢隆剃刀
    2.3.2  漢隆剃刀的貝葉斯解釋
  2.4  不要遺漏可能的原因
    2.4.1  《六座拿破崙半身像》
    2.4.2  一對戀人的日記
    2.4.3  何不食肉糜
第3章  貝葉斯定理的要素一：先驗概率
  3.1  萊曼手中的小紙條——先驗概率的重要性
    3.1.1  如何科學地撲點球
    3.1.2  神秘的小紙條與馬丁內斯的建議
    3.1.3  兩個同學的不同遭遇
  3.2  不識廬山真面目，只緣身在此山中——貝葉斯與外部視角
    3.2.1  內部視角與外部視角
    3.2.2  內部視角的問題
    3.2.3  用外部視角需要注意的問題
  3.3  商家的套路——貝葉斯定理與錨定效應
  3.4  「看歷史」和「找圈子」
    3.4.1  「看歷史」與「找圈子」的含義
    3.4.2  「找圈子」的例子
    3.4.3  找先驗概率的錯誤一：看錯歷史，找錯圈子

    3.4.4  找先驗概率的錯誤二：個人經驗帶來的概率高估
    3.4.5  對先驗概率進行調整時容易出現的問題
第4章  貝葉斯定理的要素二：觀測
  4.1  什麼樣的證據可以扭轉你的認知
    4.1.1  信息量大的觀測
    4.1.2  信息量小的觀測
  4.2  明星的人設、兩小兒辯日與電梯里的女孩
    4.2.1  怎樣改變一個明星的人設
    4.2.2  辯日的兩小兒所犯的錯誤
    4.2.3  電梯里的女孩對我笑了
  4.3  星座學與《賣拐》背後的數學原理
    4.3.1  巴納姆效應
    4.3.2  星座學的貝葉斯解釋
    4.3.3  小品《賣拐》的貝葉斯解釋
  4.4  為什麼「大師」不可信
    4.4.1  為什麼排他性證據很難找到
    4.4.2  解釋之易與排他之難
  4.5  余則成破解錄音帶危機——改變后驗概率的另一種方法
    4.5.1  M&Ms巧克力豆條款
    4.5.2  錄音帶事件
第5章  多個觀測下的貝葉斯
  5.1  買香草味的冰激凌，車子打不著火——談談條件獨立
    5.1.1  條件獨立的定義
    5.1.2  看似相關，實則條件獨立
    5.1.3  看似獨立，實則條件獨立
  5.2  如何利用多個觀測進行推斷
    5.2.1  多個觀測下的貝葉斯定理
    5.2.2  晴天的概率有多大
    5.2.3  水燒開了嗎
  5.3  不要遺漏重要的觀測
    5.3.1  避免有偏採樣
    5.3.2  收集證據的技巧
第6章  在線貝葉斯估計
  6.1  當觀測依次到來時應該怎麼辦——在線貝葉斯估計的原理
    6.1.1  在線貝葉斯估計
    6.1.2  在線貝葉斯公式
    6.1.3  在線貝葉斯估計給我們的啟發
  6.2  在線演算法
    6.2.1  在線演算法與離線演算法
    6.2.2  求均值
    6.2.3  在線奇異值分解
  6.3  兩種思維模式：「步步為營」與「精益求精」
    6.3.1  項目管理中的敏捷模型
    6.3.2  最簡可行產品
    6.3.3  用精益求精的方法來寫論文
  6.4  《狼來了》給我們的啟發
    6.4.1  寓言《狼來了》的貝葉斯解釋
    6.4.2  在線貝葉斯估計給我們的啟發
第7章  分層描述法
  7.1  多個觀測下貝葉斯的分組法

    7.1.1  多個觀測下運用貝葉斯的問題
    7.1.2  解決問題的基本思路
    7.1.3  分組的原則
  7.2  兩個觀測下哪一個應放入先驗概率
    7.2.1  飛機發生劇烈顛簸
    7.2.2  兩棵棗樹
  7.3  如何在一個月內進賬10億美元
    7.3.1  事件背景
    7.3.2  證據與分析
    7.3.3  排他性證據的出現
  7.4  樣本太少怎麼辦——分組法面臨的困難與解決方法
    7.4.1  他能找到工作嗎
    7.4.2  如何找到統計數據
    7.4.3  另一種思路：提高觀測的顆粒度
  7.5  分層描述法
    7.5.1  分層描述法的四個步驟
    7.5.2  用分層描述法分析「他能找到工作嗎」
    7.5.3  飛機還安全嗎
    7.5.4  我家孩子能考上好大學嗎
    7.5.5  應該做這個心臟手術嗎
    7.5.6  運用分層描述法容易犯的錯誤
    7.5.7  這家人養狗的概率是多少
第8章  法庭上的貝葉斯：克拉克的審判
  8.1  第一個錯誤：錯誤的獨立假設
  8.2  第二個錯誤：將似然概率當作后驗概率
  8.3  第三個錯誤：偏移的圈子
  8.4  克拉克有罪的概率到底是多少
第9章  醫學中的貝葉斯
  9.1  醫生診病和貝葉斯定理
    9.1.1  醫生診病的總體思路
    9.1.2  一個典型的診斷過程
  9.2  醫生診病給我們的啟發
    9.2.1  啟發一：將「多選一」變成「二選一」
    9.2.2  啟發二：收集有助於估計后驗概率的信息
    9.2.3  啟發三：證據的性價比和收集順序
    9.2.4  啟發四：檢查多多益善嗎？
第10章  網路時代的貝葉斯
  10.1  網路謠言預警器：貝葉斯帶來的一個啟發
    10.1.1  貝葉斯告訴我們的一個道理
    10.1.2  找到實錘之難與網文常用的套路
  10.2  常見的三種證據錯誤
    10.2.1  證據不可信
    10.2.2  證據不量化
    10.2.3  用個例代替統計
  10.3  被媒體扭曲的先驗概率
    10.3.1  互聯網時代媒體信息的特點
    10.3.2  報道小概率事件
    10.3.3  裁剪證據
    10.3.4  信息繭房
  10.4  用貝葉斯估計來剖析陰謀論

    10.4.1  什麼是陰謀論
    10.4.2  為什麼人們容易相信陰謀論
    10.4.3  陰謀論的錯誤之一：未考慮先驗概率
    10.4.4  陰謀論的錯誤之二：未考慮其他原因
    10.4.5  陰謀論的錯誤之三：觀測有問題
總結和寄語
附錄
  附錄A  圖解法和貝葉斯定理
  附錄B  公式（5-2）的數學推導
  附錄C  在線貝葉斯公式的推導
  附錄D  《狼來了》的數學推導
  附錄E  公式（7-4）的推導
  附錄F  三種情況下后驗概率和先驗概率接近的證明

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032