类似推荐
编辑推荐
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。
作者简介
作者奥斯瓦尔多·马丁，阿根廷国家科学与技术理事会（CONICET）的一名研究员。该理事会是负责阿根廷科技进步的主要组织。奥斯瓦尔多·马丁曾从事结构生物信息学和计算生物学方面的研究，此外，他在应用马尔科夫蒙特卡洛方法模拟分子方面有着丰富的经验，尤其喜欢用Python解决数据分析问题。他曾讲授结构生物信息学、Python编程等课程，还开设了贝叶斯数据分析的课程。Python和贝叶斯统计改变了他对科学的认知和对问题的思考方式。
章节目录
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
Python贝叶斯分析（第2版）是2023年由人民邮电出版社出版,作者[阿根廷] 奥斯瓦尔多·马丁。
得书感谢您对《Python贝叶斯分析（第2版）》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。
