贝叶斯方法 概率编程与贝叶斯推断 带目录高清版
zip压缩包,解压成pdf,原始大小36MB CameronDavidson-Pilon 接触过数学在多个领域的应用——从基因和疾病的动态演化 到金融价格的随机模型。他对于开源社区主要的贡献包括这本书以及lifelines项目。Cameron成长于加拿大的安大略省圭尔夫市 而就读于滑铁卢大学以及莫斯科独立大学。如今他住在安大略省渥太华市 并在电商领军者Shopify工作。 辛愿 浙江大学硕士毕业 腾讯公司基础研究不错工程师 舆情系统开发经理。曾在百度从事推荐系统、用户画像、数据采集等相关研究工作 拥有多项专利 组织过上海大数据技术沙龙。目前专注于文本挖掘、舆情分析、智能聊天机器人等相关领域。 钟黎 腾讯公司研究员。曾在中国科学院、微软亚洲研究院、IBM研究院-新加坡从事图像处理、语音处理、机器学习等相关研究工作 拥有多项专利 目前聚焦在自然语言处理、深度学习和人工智能等相关领域。 本书基于PyMC语言以及一系列常用的Python数据分析框架 如NumPy、SciPy和Matplotlib 通过概率编程的方式 讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学分析的前提下 有效地解决问题。书中使用的案例往往是工作中遇到的实际问题 有趣并且实用。作者的阐述也尽量避免冗长的数学分析 而让读者可以动手解决一个个的具体问题。通过对本书的学习 读者可以对贝叶斯思维、概率编程有较为深入的了解 为将来从事机器学习、数据分析相关的工作打下基础。本书适用于机器学习、贝叶斯推断、概率编程等相关领域的从业者和爱好者 也适合普通开发人员了解贝叶斯统计而使用。 D11章贝叶斯推断的哲学1 1.1引言1 1.1.1贝叶斯思维1 1.1.2贝叶斯推断在实践中的运用3 1.1.3频率派的模型是错误的吗?4 1.1.4关于大数据4 1.2我们的贝叶斯框架5 1.2.1不得不讲的实例:抛硬币5 1.2.2实例:图书管理员还是农民6 1.3概率分布8 1.3.1离散情况9 1.3.2连续情况10 1.3.3什么是12 1.4使用计算机执行贝叶斯推断12 1.4.1实例:从短信数据推断行为12 1.4.2介绍我们的D1一板斧:PyMC14 1.4.3说明18 1.4.4后验样本到底有什么用?18 1.5结论20 1.6补充说明20 1.6.1从统计学上确定两个l值是否真的不一样20 1.6.2扩充至两个转折点22 1.7习题24 1.8答案24 D12章进一步了解PyMC27 2.1引言27 2.1.1父变量与子变量的关系27 2.1.2PyMC变量28 2.1.3在模型中加入观测值31 2.1.4*后……33 2.2建模方法33 2.2.1同样的故事 不同的结局35 2.2.2实例:贝叶斯A/B测试38 2.2.3一个简单的场景38 2.2.4A和B一起41 2.2.5实例:一种人类谎言的算法45 2.2.6二项分布45 2.2.7实例:学生作弊46 2.2.8另一种PyMC模型50 2.2.9更多的PyMC技巧51 2.2.10实例:挑战者号事故52 2.2.11正态分布55 2.2.12挑战者号事故当天发生了什么?61 2.3我们的模型适用吗?61 2.4结论68 2.5补充说明68 2.6习题69 2.7答案69 D13章打开MCMC的黑盒子71 3.1贝叶斯景象图71 3.1.1使用MCMC来探索景象图77 3.1.2MCMC算法的实现78 3.1.3后验的其他近似解法79 3.1.4实例:使用混合模型进行无监督聚类79 3.1.5不要混淆不同的后验样本88 3.1.6使用MAP来改进收敛性91 3.2收敛的判断92 3.2.1自相关92 3.2.2稀释95 3.2.3pymc.Matplot.plot()97 3.3MCMC的一些秘诀98 3.3.1聪明的初始值98 3.3.2先验99 3.3.3统计计算的无名定理99 3.4结论99 D14章从未言明的*伟大定理101 4.1引言101 4.2大数定律101 4.2.1直觉101 4.2.2实例:泊松随机变量的收敛102 4.2.3如何计算Var(Z)106 4.2.4期望和概率106 4.2.5所有这些与贝叶斯统计有什么关系呢107 4.3小数据的无序性107 4.3.1实例:地理数据聚合107 4.3.2实例:Kaggle的美国人口普查反馈比例预测比赛109 4.3.3实例:如何对Reddit网站上的评论进行排序111 4.3.4排序!115 4.3.5但是这样做的实时性太差了117 4.3.6推广到评星系统122 4.4结论122 4.5补充说明122 4.6习题123 4.7答案124 D15章失去一只手臂还是一条腿127 5.1引言127 5.2损失函数127 5.2.1现实世界中的损失函数129 5.2.2实例:优化“价格竞猜”游戏的展品出价130 5.3机器学习中的贝叶斯方法138 5.3.1实例:金融预测139 5.3.2实例:Kaggle观测暗世界大赛144 5.3.3数据145 5.3.4先验146 5.3.5训练和PyMC实现147 5.4结论156 D16章弄清楚先验157 6.1引言157 6.2主观与客观先验157 6.2.1客观先验157 6.2.2主观先验158 6.2.3决策 决策……159 6.2.4经验贝叶斯160 6.3需要知道的有用的先验161 6.3.1Gamma分布161 6.3.2威沙特分布162 6.3.3Beta分布163 6.4实例:贝叶斯多臂老虎机164 6.4.1应用165 6.4.2一个解决方案165 6.4.3好坏衡量标准169 6.4.4扩展算法173 6.5从领域专家处获得先验分布176 6.5.1试验轮盘赌法176 6.5.2实例:股票收益177 6.5.3对于威沙特分布的专业提示184 6.6共轭先验185 6.7杰弗里斯先验185 6.8当N增加时对先验的影响187 6.9结论189 6.10补充说明190 6.10.1带惩罚的线性回归的贝叶斯视角190 6.10.2xuan择退化的先验192 D17章贝叶斯A/B测试195 7.1引言195 7.2转化率测试的简单重述195 7.3增加一个线性损失函数198 7.3.1收入期望的分析198 7.3.2延伸到A/B测试202 7.4超Yu0转化率:t检验204 7.4.1t检验的设定204 7.5增幅的估计207 7.5.1创建点估计210 7.6结论211 术语表213