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

Python貝葉斯建模與計算(數據科學與大數據技術)

  • 作者：(阿根廷)奧斯瓦爾多·A.馬丁//(美)拉萬·庫馬爾//勞俊鵬|責編:王軍|譯者:郭濤
  • 出版社：清華大學
  • ISBN：9787302654858
  • 出版日期：2024/03/01
  • 裝幀：平裝
  • 頁數：324
人民幣：RMB 98 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《Python貝葉斯建模與計算》旨在幫助貝葉斯初學者成為中級從業者。本書使用了PyMC3、TensorFlow Probability和ArviZ等多個軟體庫的實踐方法，重點是應用統計學的實踐方法，並參考了基礎數學理論。
    本書首先回顧了貝葉斯推斷的概念。第2章介紹了貝葉斯模型探索性分析的現代方法。基於這兩個基本原理，接下來的章節介紹了各種模型，包括線性回歸、樣條、時間序列和貝葉斯加性回歸樹。其後幾章討論的主題包括：逼近貝葉斯計算，通過端到端案例研究展示如何在不同環境中應用貝葉斯建模，以及概率編程語言內部構件。最後一章深入講述數學理論或擴展對某些主題的討論，作為本書其餘部分的參考。
    本書由PyMC3、ArviZ、Bambi和TensorFlow Probability等軟體庫的貢獻者撰寫。
作者介紹
(阿根廷)奧斯瓦爾多·A.馬丁//(美)拉萬·庫馬爾//勞俊鵬|責編:王軍|譯者:郭濤
目錄
第1章  貝葉斯推斷
  1.1  貝葉斯建模
    1.1.1  貝葉斯模型
    1.1.2  貝葉斯推斷介紹
  1.2  一個自製採樣器，不要隨意嘗試
  1.3  支持自動推斷，反對自動建模
  1.4  量化先驗信息的方法
    1.4.1  共軛先驗
    1.4.2  客觀先驗
    1.4.3  最大熵先驗
    1.4.4  弱信息先驗與正則化先驗
    1.4.5  先驗預測分佈用於評估先驗選擇
  1.5  練習
第2章  貝葉斯模型的探索性分析
  2.1  貝葉斯推斷前後的工作
  2.2  理解你的假設
  2.3  理解你的預測
  2.4  診斷數值推斷
    2.4.1  有效樣本量
    2.4.2  潛在尺度縮減因子（R）
    2.4.3  蒙特卡羅標準差
    2.4.4  軌跡圖
    2.4.5  自相關圖
    2.4.6  秩圖
    2.4.7  散度
    2.4.8  採樣器的參數和其他診斷方法
  2.5  模型比較
    2.5.1  交叉驗證和留一法
    2.5.2  對數預測密度的期望
    2.5.3  帕累托形狀參數k
    2.5.4  解讀帕累托參數k較大時的p_loo
    2.5.5  LOO-PIT
    2.5.6  模型平均
2.6練習第3章  線性模型與概率編程語言
  3.1  比較兩個或多個組
  3.2  線性回歸
    3.2.1  一個簡單的線性模型
    3.2.2  預測
    3.2.3  中心化處理
  3.3  多元線性回歸
  3.4  廣義線性模型
    3.4.1  邏輯回歸
    3.4.2  分類模型
    3.4.3  解釋對數賠率
  3.5  回歸模型的先驗選擇
  3.6  練習
第4章  擴展線性模型
  4.1  轉換預測變數
  4.2  可變的不確定性
  4.3  引入交互效應

  4.4  魯棒的回歸
  4.5  池化、多級模型和混合效應
    4.5.1  非池化參數
    4.5.2  池化參數
    4.5.3  組混合與公共參數
  4.6  分層模型
    4.6.1  后驗幾何形態很重要
    4.6.2  分層模型的優勢
    4.6.3  分層模型的先驗選擇
  4.7  練習
第5章  樣條
  5.1  多項式回歸
  5.2  擴展特徵空間
  5.3  樣條的基本原理
  5.4  使用Patsy軟體庫構建設計矩陣
  5.5  用PyMC3擬合祥條
  5.6  選擇樣條的結點和先驗
  5.7  用樣條對二氧化碳吸收量建模
  5.8  練習
第6章  時間序列
  6.1  時間序列問題概覽
  6.2  將時間序列分析視為回歸問題
    6.2.1  時間序列的設計矩陣
    6.2.2  基函數和廣義加性模型
  6.3  自回歸模型
    6.3.1  隱AR過程和平滑
    6.3.2  （S）ARIMA（X）
  6.4  狀態空間模型
    6.4.1  線性高斯狀態空間模型與卡爾曼濾波
    6.4.2  ARIMA模型的狀態空間表示
    6.4.3  貝葉斯結構化的時間序列
  6.5  其他時間序列模型
  6.6  模型的評判和先驗選擇
  6.7  練習
第7章  貝葉斯加性回歸樹
  7.1  決策樹
  7.2  BART模型
  7.3  BART模型先驗
    7.3.1  先驗的獨立性
    7.3.2  樹結構T的先驗
    7.3.3  葉結點值py和樹數量m的先驗
  7.4  擬合貝葉斯加性回歸樹
  7.5  自行車數據的BART模型
  7.6  廣義BART模型
  7.7  BART的可解釋性
    7.7.1  部分依賴圖
    7.7.2  個體條件期望圖
  7.8  預測變數的選擇
  7.9  PyMC3中BART的先驗選擇
  7.10  練習

第8章  逼近貝葉斯計算
  8.1  超越似然
  8.2  逼近的后驗
  8.3  用ABC逼近擬合一個高斯
  8.4  選擇距離函數、c和統計量
    8.4.1  選擇距離函數
    8.4.2  選擇C
    8.4.3  選擇統計量
  8.5  g-and-k分佈
  8.6  逼近移動平均
  8.7  在ABC場景中做模型比較
    8.7.1  邊際似然與L
    8.7.2  模型選擇與隨機森林
    8.7.3  MA模型的模型選擇
  8.8  為ABC選擇先驗
  8.9  練習
第9章  端到端貝葉斯工作流
  9.1  工作流、上下文和問題
  9.2  獲取數據
    9.2.1  抽樣調查
    9.2.2  試驗設計
    9.2.3  觀察性研究
    9.2.4  缺失數據
    9.2.5  應用示例：收集航班延誤數據
  9.3  構建不止一個模型
    9.3.1  在構建貝葉斯模型前需要問的問題
    9.3.2  應用示例：選擇航班延誤的似然
  9.4  選擇先驗和預測先驗
  9.5  推斷和推斷診斷
  9.6  后驗圖
  9.7  評估后驗預測分佈
  9.8  模型比較
  9.9  獎勵函數和決策
  9.10  與特定受眾分享結果
    9.10.1  分析流程的可重複性
    9.10.2  理解受眾
    9.10.3  靜態視覺輔助
    9.10.4  可重複的計算環境
  9.10.5  應用示例：展示航班延誤模型和結論
  9.11  試驗性示例：比較兩個組
  9.12  練習
第10章  概率編程語言
  10.1  PPL的系統工程視角
  10.2  后驗計算
    10.2.1  計算梯度
    10.2.2  示例：近實時推斷
  10.3  應用編程介面
    10.3.1  示例：Stan和Slicstan
    10.3.2  示例：PyMC3和PyMC4
  10.4  PPL驅動的轉換

    10.4.1  對數概率
    10.4.2  隨機變數和分佈轉換
    10.4.3  示例：有界和無界隨機變數之間的採樣比較
  10.5  操作圖和自動重參數化
  10.6  異常處理
  10.7  基礎語言、代碼生態系統、模塊化
  10.8  設計PPL
  10.9  應用貝葉斯從業者的注意事項
  10.10  練習
第11章  附加主題
  11.1  概率背景
    11.1.1  概率
    11.1.2  條件概率
    11.1.3  概率分佈
    11.1.4  離散隨機變數及其分佈
    11.1.5  連續隨機變數和分佈
    11.1.6  聯合、條件和邊際分佈
    11.1.7  概率積分轉換
    11.1.8  期望
    11.1.9  轉換
    11.1.10  極限
    11.1.11  馬爾可夫鏈
  11.2  熵
  11.3  Kullback-Leibler散度
  11.4  信息標準
  11.5  深入介紹LOO
  11.6  Jeffirey先驗求導
    11.6.1  關於0的二項似然的Jefrey先驗
    11.6.2  關於K的二項似然的Jeffirey先驗
    11.6.3  二項似然的Jeffrey后驗
  11.7  邊際似然
    11.7.1  調和平均估計器
    11.7.2  邊際似然和模型比較
    11.7.3  貝葉斯因子與WAIC和LOO
  11.8  移出平面
  11.9  推斷方法
    11.9.1  網格方法
    11.9.2  Metropolis-Hastings
    11.9.3  哈密頓蒙特卡羅
    11.9.4  序貫蒙特卡羅
    11.9.5  變分推斷
  11.10  編程參考
    11.10.1  選擇哪種編程語言
    11.10.2  版本控制
    11.10.3  依賴項管理和包倉庫
    11.10.4  環境管理
    11.10.5  文本編輯器、集成開發環境、筆記
    11.10.6  本書使用的專用工具
辭彙表
參考文獻（在線提供）

  • 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