作 者:(法)大卫·贝洛特(David Bellot) 著;魏博 译
定 价:59
出 版 社:人民邮电出版社
出版日期:2018年01月01日
页 数:185
装 帧:平装
ISBN:9787115471345
●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
●部分目录
概率图模型结合了概率论与图论的知识,提供了一种简单的可视化概率模型的方法,在人工智能、机器学习和计算机视觉等领域有着广阔的应用前景。本书旨在帮助读者学习使用概率图模型,理解计算机如何通过贝叶斯模型和马尔科夫模型来解决现实世界的问题,同时教会读者选择合适的R语言程序包、合适的算法来准备数据并建立模型。本书适合各行业的数据科学家、机器学习爱好者和工程师等人群阅读、使用。
(法)大卫·贝洛特(David Bellot) 著;魏博 译
大卫·贝洛特,是法国国家信息与自动化研究所(INRIA)计算机科学专业的博士,致力于贝叶斯机器学习。他也是美国加州大学伯克利分校的博士后,为英特尔、Orange电信和巴克莱银行等公司工作过。他现在财经行业工作,使用机器学习技术开发财经市场的预测算法,同时也是开源项目,如Boost C++库的贡献者。
魏博,志诺维思(北京)基因科技有限公司不错算法工程师。本科毕业于武汉大学数学系,博士毕业于院数学与系统科学研究院计算机软件与理论专业。前优酷事业部搜索算法专家,欧普拉软件科技(北京)有限公司新闻推荐不错算法工程师。长期关注于用户需求建模、行为建模和自动推理。数据挖掘、机器学习和数等