Statistical Decision Theory and Bayesian Analysis

Statistical Decision Theory and Bayesian Analysis

查阅电子书
手机扫码
  • 微信扫一扫

    关注微信公众号

因版权原因待上架

内容简介

In this new edition the author has added substantial material on Bayesian analysis, including lengthy new sections on such important topics as empirical and hierarchical Bayes analysis, Bayesian calculation, Bayesian communication, and group decision making. With these changes, the book can be used as a self-contained introduction to Bayesian analysis. In addition, much of the...

(展开全部)

作者简介

In this new edition the author has added substantial material on Bayesian analysis, including lengthy new sections on such important topics as empirical and hierarchical Bayes analysis, Bayesian calculation, Bayesian communication, and group decision making. With these changes, the book can be used as a self-contained introduction to Bayesian analysis. In addition, much of the decision-theoretic portion of the text was updated, including new sections covering such modern topics as minimax multivariate (Stein) estimation.

Statistical Decision Theory and Bayesian Analysis是1993年由Springer出版,作者JamesO.Berger。

得书感谢您对《Statistical Decision Theory and Bayesian Analysis》关注和支持,如本书内容有不良信息或侵权等情形的,请联系本网站。

购买这本书

你可能喜欢
妙趣横生的统计学:培养大数据时代的统计思维(第四版) 电子书
本书教你成为更好的信息消费者,提升批判性和决策思维。
演化学习:理论与算法进展 电子书
适读人群 :机器学习、人工智能、进化计算方面的研究人员和算法设计人员,包括科研院所、高校、企业的研究和高级开发人员,以及相关专业方向的研究生。 机器学习知名学者周志华教授新作; 中国高校知名人工智能研究团队20年攻关的新理论成果; 给强大的演化算法找到“所以然”的理论支撑,指导机器学习优化问题的进一步发展; 关键定理详细证明过程以附录形式给出,以供有余力的读者深挖。
用Python实现深度学习框架 电子书
本书分为三个部分。第一部分是原理篇,实现了MatrixSlow框架的核心基础设施,并基于此讲解了机器学习与深度学习的概念和原理。第二部分是模型篇,介绍了多种具有代表性的模型,包括逻辑回归、多层全连接神经网络、因子分解机、Wide&Deep、DeepFM、循环神经网络以及卷积神经网络,这部分除了着重介绍这些模型的原理、结构以及它们之间的联系外,还用MatrixSlow框架搭建并训练它们以解决实际问题
百面深度学习 算法工程师带你去面试 电子书
适读人群 :本书适合相关专业的在校学生检查和加强对所学知识点的掌握程度,求职者快速复习和补充相关的深度学习知识,以及算法工程师作为工具书随时参阅。此外,非相关专业、但对人工智能或深度学习感兴趣的研究人员,也可以通过本书大致了解一些热门的人工智能应用、深度学习模型背后的核心算法及其思想。 不可不读的深度学习面试宝典《百面机器学习》姊妹篇。 Hulu诚意出品,全面收录135道算法面试题。 一线大厂算法工程师合力创作,直击面试要点。 从算法与模型到多领域应用,全方位解读深度学习。 诚意推荐 吴军 / 《浪潮之巅》《数学之美》作者 华先胜 / 阿里巴巴达摩院人工智能中心主任,IEEE Fellow 李沐 / AWS首席科学家,《动手学深度学习》作者 孙茂松 / 清华大学人工智能研究院常务副院长 本书适合相关专业的在校学生检查和加强对所学知识点的掌握程度,求职者快速复习和补充相关的深度学习知识,以及算法工程师作为工具书随时参阅。此外,非相关专业、但对人工智能或深度学习感兴趣的研究人员,也可以通过本书大致了解一些热门的人工智能应用、深度学习模型背后的核心算法及其思想。
场景化机器学习 电子书
本书展示了如何在业务场景中应用机器学习,全书分为三个部分。第一部分介绍有效的决策如何帮助公司提高生产率以保持竞争力,阐释如何使用开源工具和AWS工具将机器学习应用于业务决策中。第二部分以虚拟人物为主线,研究六个场景,这些场景展示了如何使用机器学习来制定各种业务决策。第三部分讨论如何在Web上设置和共享机器学习模型,还介绍了一些案例。