Освальдо Мартин - Байесовский анализ на Python
Название: | Байесовский анализ на Python | |
Автор: | Освальдо Мартин | |
Жанр: | Python | |
Изадано в серии: | неизвестно | |
Издательство: | ДМК Пресс | |
Год издания: | 2020 | |
ISBN: | 978-5-97060-768-8 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Байесовский анализ на Python"
В книге представлены основные концепции байесовской статистики и ее практическая реализация на языке Python с использованием современной библиотеки вероятностного программирования PyMC3 и новой библиотеки исследовательского анализа байесовских моделей ArviZ. Полученные знания о вероятностном моделировании позволят вам самостоятельно проектировать и реализовать байесовские модели для собственных задач научной об- работки данных. Издание будет полезно всем специалистам по анализу данных, использующих в своей работе байесовское моделирование.
Читаем онлайн "Байесовский анализ на Python" (ознакомительный отрывок). [Страница - 2]
- 1
- 2
- 3
- 4
- . . .
- последняя (7) »
Байесовский вывод с одним параметром ...........................................................34
Задача о подбрасывании монеты ....................................................................35
Взаимодействие с байесовским анализом..........................................................46
Нотация и визуализация модели ....................................................................46
Обобщение апостериорного распределения ..................................................47
Проверки апостериорного прогнозируемого распределения...........................49
Резюме ...................................................................................................................50
Упражнения...........................................................................................................52
Глава 2. Вероятностное программирование ..............................................54
Вероятностное программирование.....................................................................55
Основы использования библиотеки PyMC3 .......................................................56
Решение задачи о подбрасывании монет с использованием
библиотеки PyMC3............................................................................................57
Обобщение апостериорного распределения ......................................................59
Решения на основе апостериорного распределения .....................................61
Гауссова модель в подробном изложении ..........................................................67
Гауссовы статистические выводы ...................................................................68
Надежные статистические выводы .................................................................73
Сравнение групп ...................................................................................................79
d-мера Коэна .....................................................................................................81
Вероятность превосходства .............................................................................82
Набор данных tips .............................................................................................82
Иерархические модели ........................................................................................86
Содержание 7
Редуцирование..................................................................................................91
Еще один пример..............................................................................................94
Резюме ...................................................................................................................96
Упражнения...........................................................................................................99
Глава 3. Моделирование с использованием линейной регрессии.....101
Простая линейная регрессия .............................................................................102
Связь с машинным обучением ......................................................................102
Сущность моделей линейной регрессии .......................................................103
Линейные модели и сильная автокорреляция .............................................108
Интерпретация и визуальное представление апостериорного
распределения ................................................................................................111
Коэффициент корреляции Пирсона ..............................................................114
Робастная линейная регрессия ..........................................................................118
Иерархическая линейная регрессия..................................................................122
Корреляция, причинно-следственная связь и беспорядочность жизни ....128
Полиномиальная регрессия ...............................................................................130
Интерпретация параметров полиномиальной регрессии...........................131
Является ли полиномиальная регрессия конечной моделью......................132
Множественная линейная регрессия ................................................................133
Спутывающие переменные и избыточные переменные ............................137
Мультиколлинеарность или слишком сильная корреляция........................140
Маскировочный эффект переменных...........................................................144
Добавление взаимодействий .........................................................................146
Дисперсия переменной ......................................................................................147
Резюме .................................................................................................................150
Упражнения.........................................................................................................151
Глава 4. Обобщение линейных моделей ..................................................154
Обобщенные линейные модели ........................................................................154
Логистическая регрессия ...................................................................................156
Логистическая модель ....................................................................................157
Набор данных iris............................................................................................157
Множественная логистическая регрессия ........................................................163
Граница решения ............................................................................................163
Реализация модели.........................................................................................164
Интерпретация коэффициентов логистической регрессии ........................165
Обработка коррелирующих переменных .....................................................167
Работа с несбалансированными классами --">
- 1
- 2
- 3
- 4
- . . .
- последняя (7) »
Книги схожие с «Байесовский анализ на Python» по жанру, серии, автору или названию:
Уэс Маккинни - Python и анализ данных: Первичная обработка данных с применением pandas, NumPy и Jupiter Жанр: Python Год издания: 2023 |
Флоран Бюиссон - Анализ поведенческих данных на R и Python Жанр: Python Год издания: 2022 Серия: Бестселлеры o’reilly |