图书介绍

Python贝叶斯分析PDF|Epub|txt|kindle电子书版本网盘下载

Python贝叶斯分析
  • （阿根廷）奥斯瓦尔多·马丁（Osvaldo Martin） 著
  • 出版社： 北京：人民邮电出版社
  • ISBN：9787115476173
  • 出版时间：2018
  • 标注页数：216页
  • 文件大小：25MB
  • 文件页数：233页
  • 主题词：软件工具－程序设计；贝叶斯理论

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：9222c94fee8f87359dee2b58f7a1f5b9

下载说明

Python贝叶斯分析PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章 概率思维——贝叶斯推断指南1

1.1以建模为中心的统计学1

1.1.1探索式数据分析2

1.1.2统计推断3

1.2概率与不确定性4

1.2.1概率分布6

1.2.2贝叶斯定理与统计推断9

1.3单参数推断11

1.3.1抛硬币问题11

1.3.2报告贝叶斯分析结果20

1.3.3模型注释和可视化20

1.3.4总结后验21

1.4后验预测检查24

1.5安装必要的Python库24

1.6总结25

1.7练习25

第2章 概率编程——PyM C3编程指南27

2.1概率编程27

2.1.1推断引擎28

2.2 PyMC3介绍40

2.2.1用计算的方法解决抛硬币问题40

2.3总结后验47

2.3.1基于后验的决策48

2.4总结50

2.5深入阅读50

2.6练习51

第3章 多参和分层模型53

3.1冗余参数和边缘概率分布53

3.2随处可见的高斯分布55

3.2.1高斯推断56

3.2.2鲁棒推断59

3.3组间比较64

3.3.1“小费”数据集65

3.3.2 Cohen’s d68

3.3.3概率优势69

3.4分层模型69

3.4.1收缩72

3.5总结74

3.6深入阅读75

3.7练习75

第4章 利用线性回归模型理解并预测数据77

4.1一元线性回归77

4.1.1与机器学习的联系78

4.1.2线性回归模型的核心78

4.1.3线性模型与高自相关性83

4.1.4对后验进行解释和可视化86

4.1.5皮尔逊相关系数89

4.2鲁棒线性回归95

4.3分层线性回归98

4.3.1相关性与因果性103

4.4多项式回归105

4.4.1解释多项式回归的系数107

4.4.2多项式回归——终极模型？108

4.5多元线性回归108

4.5.1混淆变量和多余变量112

4.5.2多重共线性或相关性太高115

4.5.3隐藏的有效变量117

4.5.4增加相互作用120

4.6 glm模块120

4.7总结121

4.8深入阅读121

4.9练习122

第5章 利用逻辑回归对结果进行分类123

5.1逻辑回归123

5.1.1逻辑回归模型125

5.1.2鸢尾花数据集125

5.1.3将逻辑回归模型应用到鸢尾花数据集128

5.2多元逻辑回归131

5.2.1决策边界132

5.2.2模型实现132

5.2.3处理相关变量134

5.2.4处理类别不平衡数据135

5.2.5如何解决类别不平衡的问题137

5.2.6解释逻辑回归的系数137

5.2.7广义线性模型138

5.2.8 Softmax回归或多项逻辑回归139

5.3判别式和生成式模型142

5.4总结144

5.5深入阅读145

5.6练习145

第6章 模型比较147

6.1奥卡姆剃刀——简约性与准确性147

6.1.1参数太多导致过拟合149

6.1.2参数太少导致欠拟合150

6.1.3简洁性与准确性之间的平衡151

6.2正则先验152

6.2.1正则先验和多层模型153

6.3衡量预测准确性153

6.3.1交叉验证154

6.3.2信息量准则155

6.3.3用PyMC3计算信息量准则158

6.3.4解释和使用信息校准162

6.3.5后验预测检查163

6.4贝叶斯因子164

6.4.1类比信息量准则166

6.4.2计算贝叶斯因子166

6.5贝叶斯因子与信息量准则169

6.6 总结171

6.7深入阅读171

6.8练习171

第7章 混合模型173

7.1混合模型173

7.1.1如何构建混合模型174

7.1.2边缘高斯混合模型180

7.1.3混合模型与计数类型变量181

7.1.4鲁棒逻辑回归187

7.2基于模型的聚类190

7.2.1固定成分聚类191

7.2.2非固定成分聚类191

7.3连续混合模型192

7.3.1 beta-二项分布与负二项分布192

7.3.2 t分布193

7.4总结193

7.5深入阅读194

7.6 练习194

第8章 高斯过程195

8.1非参统计195

8.2基于核函数的模型196

8.2.1高斯核函数196

8.2.2核线性回归197

8.2.3过拟合与先验202

8.3高斯过程202

8.3.1构建协方差矩阵203

8.3.2根据高斯过程做预测207

8.3.3用PyMC3实现高斯过程211

8.4总结215

8.5深入阅读216

8.6 练习216

热门推荐