貝葉斯思維 統計建模的Python學習法 下載 mobi epub pdf 電子書 2024

産品特色

編輯推薦

　　貝葉斯方法正在變得越來越常見與重要，但是卻沒有太多可以藉鑒的資料來幫助初學者。基於Allen Downey在大學講授的本科課程，本書的計算方法能幫助你獲得一個良好的開端。

　　使用已有的編程技巧學習和理解貝葉斯統計

　　處理估計、預測、決策分析、假設的證據、假設檢驗等問題

　　從簡單的例子開始，包括硬幣問題、M&Ms;豆問題、《龍與地下城》勇士投骰子問題、彩彈遊戲和冰球比賽問題

　　學習計算方法，解決諸如SAT分數含義、模擬腎腫瘤和人體微生物建模問題

內容簡介

　　《貝葉斯思維 統計建模的Python學習法》幫助那些希望用數學工具解決實際問題的人們，僅有的要求可能就是懂一點概率知識和程序設計。而貝葉斯方法是一種常見的利用概率學知識去解決不確定性問題的數學方法，對於一個計算機專業的人士，應當熟悉其應用在諸如機器翻譯，語音識彆，垃圾郵件檢測等常見的計算機問題領域。

　　可是《貝葉斯思維 統計建模的Python學習法》實際上會遠遠擴大你的視野，即使不是一個計算機專業的人士，你也可以看到在戰爭環境下（二戰德軍坦剋問題），法律問題上（腎腫瘤的假設驗證），體育博彩領域（棕熊隊和加人隊NFL比賽問題）貝葉斯方法的威力。怎麼從有限的信息判斷德軍裝甲部隊的規模，你所支持的球隊有多大可能贏得冠軍，在《龍與地下城》勇士中，你應當對遊戲角色屬性的很大值有什麼樣的期望，甚至在普通的彩彈射擊遊戲中，擁有一些貝葉斯思維也能幫助到你提高遊戲水平。

　　除此以外，《貝葉斯思維 統計建模的Python學習法》在共計15章的篇幅中討論瞭怎樣解決十幾個現實生活中的實際問題。在這些問題的解決過程中，作者還潛移默化的幫助讀者形成瞭建模決策的方法論，建模誤差和數值誤差怎麼取捨，怎樣為具體問題建立數學模型，如何抓住問題中的主要矛盾（模型中的關鍵參數），再一步一步的優化或者驗證模型的有效性或者局限性。在這個意義上，這本書又是一本關於數學建模的成功樣本。

作者簡介

　　Allen Downey，是歐林工程學院的計算機教授，加州大學伯剋利分校的計算機博士。他在韋斯利學院（Wellesley College）、科爾比學院（Colby College）和加州大學伯剋利分校講授計算機科學課程。他也是O’Reilly齣版的Think Stats和Think Python圖書的作者。

　　許楊毅，新浪網係統架構師，技術保障部總監，畢業於湖南大學，15年互聯網工作經驗。

內頁插圖

目錄

第1章 貝葉斯定理 1

1.1 條件概率 1

1.2 聯閤概率 2

1.3 麯奇餅問題 2

1.4 貝葉斯定理 3

1.5 曆時詮釋 4

1.6 M&M;豆問題 5

1.7 Monty Hall難題 6

1.8 討論 8

第2章 統計計算 9

2.1 分布 9

2.2 麯奇餅問題 10

2.3 貝葉斯框架 11

2.4 Monty Hall難題 12

2.5 封裝框架 13

2.6 M&M;豆問題 14

2.7 討論 15

2.8 練習 16

第3章 估計 17

3.1 骰子問題 17

3.2 火車頭問題 18

3.3 怎樣看待先驗概率？ 20

3.4 其他先驗概率 21

3.5 置信區間 23

3.6 纍積分布函數 23

3.7 德軍坦剋問題 24

3.8 討論 24

3.9 練習 25

第4章 估計進階 27

4.1　歐元問題 27

4.2　後驗概率的概述 28

4.3　先驗概率的湮沒 29

4.4　優化 31

4.5　Beta分布 32

4.6　討論 34

4.7　練習 34

第5章 勝率和加數 37

5.1 勝率 37

5.2 貝葉斯定理的勝率形式 38

5.3 奧利弗的血跡 39

5.4 加數 40

5.5 最大化 42

5.6 混閤分布 45

5.7 討論 47

第6章 決策分析 49

6.1 “正確的價格”問題 49

6.2 先驗概率 50

6.3 概率密度函數 50

6.4 PDF的錶示 51

6.5 選手建模 53

6.6 似然度 55

6.7 更新 55

6.8 最優齣價 57

6.9 討論 59

第7章 預測 61

7.1　波士頓棕熊隊問題 61

7.2　泊鬆過程 62

7.3　後驗 63

7.4　進球分布 64

7.5　獲勝的概率 66

7.6　突然死亡法則 66

7.7　討論 68

7.8　練習 69

第8章 觀察者的偏差 71

8.1　紅綫問題 71

8.2　模型 71

8.3　等待時間 73

8.4　預測等待時間 75

8.5　估計到達率 78

8.6　消除不確定性 80

8.7　決策分析 81

8.8　討論 83

8.9　練習 84

第9章 二維問題 85

9.1 彩彈 85

9.2 Suite對象 85

9.3 三角學 87

9.4 似然度 88

9.5 聯閤分布 89

9.6 條件分布 90

9.7 置信區間 91

9.8 討論 93

9.9 練習 94

第10章 貝葉斯近似計算 95

10.1 變異性假說 95

10.2 均值和標準差 96

10.3 更新 98

10.4 CV的後驗分布 98

10.5 數據下溢 99

10.6 對數似然 100

10.7 一個小的優化 101

10.8 ABC（近似貝葉斯計算） 102

10.9 估計的可靠性 104

10.10 誰的變異性更大？ 105

10.11 討論 107

10.12 練習 108

第11章 假設檢驗 109

11.1 迴到歐元問題 109

11.2 來一個公平的對比 110

11.3 三角前驗 111

11.4 討論 112

11.5 練習 113

第12章 證據 115

12.1 解讀SAT成績 115

12.2 比例得分SAT 115

12.3 先驗 116

12.4 後驗 117

12.5 一個更好的模型 119

12.6 校準 121

12.7 效率的後驗分布 122

12.8 預測分布 123

12.9 討論 124

第13章 模擬 127

13.1 腎腫瘤的問題 127

13.2 一個簡化模型 128

13.3 更普遍的模型 130

13.4 實現 131

13.5 緩存聯閤分布 132

13.6 條件分布 133

13.7 序列相關性 135

13.8 討論 138

第14章 層次化模型 139

14.1 蓋革計數器問題 139

14.2 從簡單的開始 140

14.3 分層模型 141

14.4 一個小優化 142

14.5 抽取後驗 142

14.6 討論 144

14.7 練習 144

第15章 處理多維問題 145

15.1 臍部細菌 145

15.2 獅子，老虎和熊 145

15.3 分層版本 148

15.4 隨機抽樣 149

15.5 優化 150

15.6 堆疊的層次結構 151

15.7 另一個問題 153

15.8 還有工作要做 154

15.9 肚臍數據 156

15.10 預測分布 158

15.11 聯閤後驗 161

15.12 覆蓋 162

15.13 討論 164

前言/序言

用Python 做統計建模的書，這本算是很經典的。喜歡，便宜，送貨快！

——高駢《山亭夏日》

幫公司買的 還可以吧 好評

隨著機器學習和人工智能技術的到來，Python現在火瞭起來。非常好的書，圖書日，清空瞭好多書。

看瞭開頭翻譯的不錯

還沒看，囤積中。。。。。。。

薄薄的一本，希望內容好一些

學習中，努力加油，哈哈哈，加油

很多時候如何編程不重要，高手帶著你去驗證思路，去應用纔是最重要的。居然有贈品。