《貝葉斯方法 概率編程與貝葉斯推斷》基于PyMC語(yǔ)言以及一系列常用的Python數(shù)據(jù)分析框架，如NumPy、SciPy和Matplotlib，通過(guò)概率編程的方式，講解了貝葉斯推斷的原理和實(shí)現(xiàn)方法。該方法常常可以在避免引入大量數(shù)學(xué)分析的前提下，有效地解決問(wèn)題。書(shū)中使用的案例往往是工作中遇到的實(shí)際問(wèn)題，有趣并且實(shí)用。作者的闡述也盡量避免冗長(zhǎng)的數(shù)學(xué)分析，而讓讀者可以動(dòng)手解決一個(gè)個(gè)的具體問(wèn)題。通過(guò)對(duì)本書(shū)的學(xué)習(xí)，讀者可以對(duì)貝葉斯思維、概率編程有較為深入的了解，為將來(lái)從事機(jī)器學(xué)習(xí)、數(shù)據(jù)分析相關(guān)的工作打下基礎(chǔ)。本書(shū)適用于機(jī)器學(xué)習(xí)、貝葉斯推斷、概率編程等相關(guān)領(lǐng)域的從業(yè)者和愛(ài)好者，也適合普通開(kāi)發(fā)人員了解貝葉斯統(tǒng)計(jì)而使用。
國(guó)際杰出機(jī)器學(xué)習(xí)專家、地平線機(jī)器人技術(shù)創(chuàng)始人和CEO、前百度研究院執(zhí)行院長(zhǎng)余凱博士，騰訊專家研究員岳亞丁博士推薦、審校 內(nèi)容涉及Python語(yǔ)言庫(kù)PyMC，以及相關(guān)的工具，包括NumPy\SciPy\Matplotlib，無(wú)需復(fù)雜的數(shù)學(xué)分析，通過(guò)實(shí)例、從編程的角度介紹貝葉斯分析方法，大多數(shù)程序員都可以入門(mén)并掌握。 本書(shū)的內(nèi)容特色： 學(xué)習(xí)貝葉斯思維方式 理解計(jì)算機(jī)如何進(jìn)行貝葉斯推斷 利用PyMC Python庫(kù)進(jìn)行編程來(lái)實(shí)現(xiàn)貝葉斯分析 利用PyMC建模以及調(diào)試 測(cè)試模型的擬合優(yōu)度 打開(kāi)馬爾科夫鏈蒙特卡洛算法的黑盒子，看看它如何工作 利用大數(shù)定律的力量 掌握聚類、收斂、自相關(guān)、細(xì)化等關(guān)鍵概念 根據(jù)目標(biāo)和預(yù)期的結(jié)果，利用損失函數(shù)來(lái)推斷缺陷 選擇合理的先驗(yàn)，并理解其如何隨著樣本量的大小而變化 克服“研發(fā)與開(kāi)發(fā)”的困境：判斷是否已經(jīng)足夠好了 利用貝葉斯推斷改良A B測(cè)試 在可用數(shù)據(jù)量小的情況下，解決數(shù)據(jù)科學(xué)的問(wèn)題
作者 Cameron Davidson-Pilon，接觸過(guò)數(shù)學(xué)在多個(gè)領(lǐng)域的應(yīng)用——從基因和疾病的動(dòng)態(tài)演化，到金融價(jià)格的模型。他對(duì)于開(kāi)源社區(qū)主要的貢獻(xiàn)包括這本書(shū)以及l(fā)ifelines項(xiàng)目。Cameron成長(zhǎng)于加拿大的安大略省圭爾夫市，而就讀于滑鐵盧大學(xué)以及莫斯科獨(dú)立大學(xué)。如今他住在安大略省渥太華市，并在電商領(lǐng)軍者Shopify工作。 譯者 辛愿，浙江大學(xué)碩士畢業(yè)，騰訊公司基礎(chǔ)研究高級(jí)工程師，輿情系統(tǒng)開(kāi)發(fā)經(jīng)理。曾在百度從事推薦系統(tǒng)、用戶畫(huà)像、數(shù)據(jù)采集等相關(guān)研究工作，擁有多項(xiàng)專利，組織過(guò)上海大數(shù)據(jù)技術(shù)沙龍。目前專注于文本挖掘、輿情分析、智能聊天機(jī)器人等相關(guān)領(lǐng)域。 鐘黎，騰訊公司研究員。曾在中國(guó)科學(xué)院、微軟亞洲研究院、IBM研究院(新加坡)從事圖像處理、語(yǔ)音處理、機(jī)器學(xué)習(xí)等相關(guān)研究工作，擁有多項(xiàng)專利，目前聚焦在自然語(yǔ)言處理、深度學(xué)習(xí)和人工智能等相關(guān)領(lǐng)域。 歐陽(yáng)婷，華南理工大學(xué)碩士畢業(yè)，騰訊公司后臺(tái)策略工程師。在電信、互聯(lián)網(wǎng)行業(yè)參與過(guò)推薦系統(tǒng)、資源優(yōu)化、KPI預(yù)測(cè)、用戶畫(huà)像等相關(guān)項(xiàng)目，擁有多項(xiàng)專利，目前聚焦在欺詐檢測(cè)、時(shí)序分析、業(yè)務(wù)安全等相關(guān)領(lǐng)域。 審校者 余凱博士，地平線機(jī)器人技術(shù)創(chuàng)始人、CEO，國(guó)際杰出機(jī)器學(xué)習(xí)專家，中組部國(guó)家“千人計(jì)劃”專家，中國(guó)人工智能學(xué)會(huì)副秘書(shū)長(zhǎng)。余博士是前百度研究院執(zhí)行院長(zhǎng)，創(chuàng)建了百度深度學(xué)習(xí)研究院。他在百度所領(lǐng)導(dǎo)的團(tuán)隊(duì)在廣告變現(xiàn)、搜索排序、語(yǔ)音識(shí)別、計(jì)算機(jī)視覺(jué)等領(lǐng)域做出杰出貢獻(xiàn)，創(chuàng)紀(jì)錄地連續(xù)三次獲得公司高榮譽(yù)——“百度獎(jiǎng)”。他還創(chuàng)建了中國(guó)公司自動(dòng)駕駛項(xiàng)目，后發(fā)展為百度自動(dòng)駕駛事業(yè)部。 岳亞丁博士，騰訊公司專家研究員，騰訊技術(shù)職級(jí)評(píng)委會(huì)基礎(chǔ)研究崗位的負(fù)責(zé)委員。岳博士擁有19年在金融、電信、互聯(lián)網(wǎng)行業(yè)的數(shù)據(jù)挖掘經(jīng)驗(yàn)，主導(dǎo)或參與過(guò)用戶畫(huà)像、在線廣告、推薦系統(tǒng)、CRM、欺詐檢測(cè)、KPI預(yù)測(cè)等多種項(xiàng)目。他曾在微軟(加拿大)從事行為定向廣告的模型研發(fā)，另有11年的工程結(jié)構(gòu)、海洋水文氣象的力學(xué)研究及應(yīng)用的工作經(jīng)歷。
目錄
第1章貝葉斯推斷的哲學(xué)1
1.1引言1
1.1.1貝葉斯思維1
1.1.2貝葉斯推斷在實(shí)踐中的運(yùn)用3
1.1.3頻率派的模型是錯(cuò)誤的嗎？4
1.1.4關(guān)于大數(shù)據(jù)4
1.2我們的貝葉斯框架5
1.2.1不得不講的實(shí)例：拋硬幣5
1.2.2實(shí)例：圖書(shū)管理員還是農(nóng)民6
1.3概率分布8
1.3.1離散情況9
1.3.2連續(xù)情況10
1.3.3什么是12
1.4使用計(jì)算機(jī)執(zhí)行貝葉斯推斷12
1.4.1實(shí)例：從短信數(shù)據(jù)推斷行為12
1.4.2介紹我們的及時(shí)板斧：PyMC14
1.4.3說(shuō)明18
1.4.4后驗(yàn)樣本到底有什么用？18
1.5結(jié)論20
1.6補(bǔ)充說(shuō)明20
1.6.1從統(tǒng)計(jì)學(xué)上確定兩個(gè)l值是否真的不一樣20
1.6.2擴(kuò)充至兩個(gè)轉(zhuǎn)折點(diǎn)22
1.7習(xí)題24
1.8答案24
第2章進(jìn)一步了解PyMC27
2.1引言27
2.1.1父變量與子變量的關(guān)系27
2.1.2PyMC變量28
2.1.3在模型中加入觀測(cè)值31
2.1.4……33
2.2建模方法33
2.2.1同樣的故事，不同的結(jié)局35
2.2.2實(shí)例：貝葉斯A B測(cè)試38
2.2.3一個(gè)簡(jiǎn)單的場(chǎng)景38
2.2.4A和B一起41
2.2.5實(shí)例：一種人類謊言的算法45
2.2.6二項(xiàng)分布45
2.2.7實(shí)例：學(xué)生作弊46
2.2.8另一種PyMC模型50
2.2.9更多的PyMC技巧51
2.2.10實(shí)例：挑戰(zhàn)者號(hào)事故52
2.2.11正態(tài)分布55
2.2.12挑戰(zhàn)者號(hào)事故當(dāng)天發(fā)生了什么？61
2.3我們的模型適用嗎？61
2.4結(jié)論68
2.5補(bǔ)充說(shuō)明68
2.6習(xí)題69
2.7答案69
第3章打開(kāi)MCMC的黑盒子71
3.1貝葉斯景象圖71
3.1.1使用MCMC來(lái)探索景象圖77
3.1.2MCMC算法的實(shí)現(xiàn)78
3.1.3后驗(yàn)的其他近似解法79
3.1.4實(shí)例：使用混合模型進(jìn)行無(wú)監(jiān)督聚類79
3.1.5不要混淆不同的后驗(yàn)樣本88
3.1.6使用MAP來(lái)改進(jìn)收斂性91
3.2收斂的判斷92
3.2.1自相關(guān)92
3.2.2稀釋95
3.2.3pymc.Matplot.plot()97
3.3MCMC的一些秘訣98
3.3.1聰明的初始值98
3.3.2先驗(yàn)99
3.3.3統(tǒng)計(jì)計(jì)算的無(wú)名定理99
3.4結(jié)論99
第4章從未言明的最偉大定理101
4.1引言101
4.2大數(shù)定律101
4.2.1直覺(jué)101
4.2.2實(shí)例：泊松隨機(jī)變量的收斂102
4.2.3如何計(jì)算Var(Z)106
4.2.4期望和概率106
4.2.5所有這些與貝葉斯統(tǒng)計(jì)有什么關(guān)系呢107
4.3小數(shù)據(jù)的無(wú)序性107
4.3.1實(shí)例：地理數(shù)據(jù)聚合107
4.3.2實(shí)例：Kaggle的美國(guó)人口普查反饋比例預(yù)測(cè)比賽109
4.3.3實(shí)例：如何對(duì)Reddit網(wǎng)站上的評(píng)論進(jìn)行排序111
4.3.4排序！115
4.3.5但是這樣做的實(shí)時(shí)性太差了117
4.3.6推廣到評(píng)星系統(tǒng)122
4.4結(jié)論122
4.5補(bǔ)充說(shuō)明122
4.6習(xí)題123
4.7答案124
第5章失去一只手臂還是一條腿127
5.1引言127
5.2損失函數(shù)127
5.2.1現(xiàn)實(shí)世界中的損失函數(shù)129
5.2.2實(shí)例：優(yōu)化“價(jià)格競(jìng)猜”游戲的展品出價(jià)130
5.3機(jī)器學(xué)習(xí)中的貝葉斯方法138
5.3.1實(shí)例：金融預(yù)測(cè)139
5.3.2實(shí)例：Kaggle觀測(cè)暗世界 大賽144
5.3.3數(shù)據(jù)145
5.3.4先驗(yàn)146
5.3.5訓(xùn)練和PyMC實(shí)現(xiàn)147
5.4結(jié)論156
第6章弄清楚先驗(yàn)157
6.1引言157
6.2主觀與客觀先驗(yàn)157
6.2.1客觀先驗(yàn)157
6.2.2主觀先驗(yàn)158
6.2.3決策，決策……159
6.2.4經(jīng)驗(yàn)貝葉斯160
6.3需要知道的有用的先驗(yàn)161
6.3.1Gamma分布161
6.3.2威沙特分布162
6.3.3Beta分布163
6.4實(shí)例：貝葉斯多臂老虎機(jī)164
6.4.1應(yīng)用165
6.4.2一個(gè)解決方案165
6.4.3好壞衡量標(biāo)準(zhǔn)169
6.4.4擴(kuò)展算法173
6.5從領(lǐng)域?qū)＜姨帿@得先驗(yàn)分布176
6.5.1試驗(yàn)輪盤(pán)賭法176
6.5.2實(shí)例：股票收益177
6.5.3對(duì)于威沙特分布的專業(yè)提示184
6.6共軛先驗(yàn)185
6.7杰弗里斯先驗(yàn)185
6.8當(dāng)N增加時(shí)對(duì)先驗(yàn)的影響187
6.9結(jié)論189
6.10補(bǔ)充說(shuō)明190
6.10.1帶懲罰的線性回歸的貝葉斯視角190
6.10.2選擇退化的先驗(yàn)192
第7章貝葉斯A B測(cè)試195
7.1引言195
7.2轉(zhuǎn)化率測(cè)試的簡(jiǎn)單重述195
7.3增加一個(gè)線性損失函數(shù)198
7.3.1收入期望的分析198
7.3.2延伸到A B測(cè)試202
7.4超越轉(zhuǎn)化率：t檢驗(yàn)204
7.4.1t檢驗(yàn)的設(shè)定204
7.5增幅的估計(jì)207
7.5.1創(chuàng)建點(diǎn)估計(jì)210
7.6結(jié)論211
術(shù)語(yǔ)表213
包裝都不包裹一下，拿來(lái)書(shū)都破了
參考書(shū)，希望有用
好書(shū)，好內(nèi)容。在大數(shù)據(jù)時(shí)代尤其對(duì)我有幫助
沒(méi)有來(lái)得及細(xì)看.貌似是未來(lái) 的重要發(fā)展趨勢(shì).
值得一讀的好書(shū)！
很好不錯(cuò)…
一本不錯(cuò)的理論書(shū)，挺好
好書(shū)推薦好書(shū)
值得購(gòu)買(mǎi) 贊！
AI時(shí)代的來(lái)臨，貝葉斯發(fā)力了
包裝良好，印制精美。
包裝良好，發(fā)貨及時(shí)。舒適正版，我想要的。非常滿意！
居然是彩印的
書(shū)看著紙質(zhì)還可以，迫不及待要去學(xué)習(xí)了！
覺(jué)得書(shū)很不錯(cuò)
還沒(méi)看，好像寫(xiě)的挺深?yuàn)W
數(shù)學(xué)基礎(chǔ)需要好好補(bǔ)一補(bǔ)
質(zhì)量超級(jí)棒。比起上次的版本來(lái)說(shuō)修正了很多錯(cuò)誤。可以很全面的理解發(fā)展歷程。這次的版本還是修正版本，讀起來(lái)很爽快。作者的功力可以說(shuō)是絕對(duì)的實(shí)力派。這么一大套書(shū)估計(jì)要讀整整一年了。不過(guò)千里之行始于足下，不積跬步無(wú)以至千里。慢慢理解書(shū)中內(nèi)容。加油了
很好很好很好
湊滿五個(gè)字
13245
很好！！！
還不錯(cuò)。。值得擁有
感覺(jué)很不錯(cuò)，值得推薦
包裝很好，看完再來(lái)評(píng)論
還沒(méi)看，應(yīng)該可以
書(shū)中錯(cuò)誤不少，還是看英文原版的好，中文的當(dāng)個(gè)參考吧
一直以為是主要講方法的，原來(lái)主要是講語(yǔ)言的…
這本書(shū)其實(shí)非常薄，內(nèi)容還不錯(cuò)，從基礎(chǔ)開(kāi)始。適合新手閱讀。最主要的是整本書(shū)都是彩色印刷，閱讀體驗(yàn)非常棒。
二百一十多頁(yè)，不算厚，排版不錯(cuò)，彩印，內(nèi)容暫時(shí)沒(méi)看
重要的顛覆性概念常一筆而過(guò)，簡(jiǎn)單的地方卻啰嗦。翻一翻
接下來(lái)要做算法，貝葉斯也是很有必要學(xué)習(xí)的。很不錯(cuò)的一本書(shū)，內(nèi)容不多，但是知識(shí)點(diǎn)都不錯(cuò)
不錯(cuò)的書(shū)，將統(tǒng)計(jì)思維和統(tǒng)計(jì)建模方法明白地展現(xiàn)出來(lái)。還有對(duì)Pymc庫(kù)使用方法的直接指導(dǎo)。