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

尚无评分
目前还没人评分

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。