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 - 3]
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя (7) »
Регрессия с использованием функции softmax ............................................171
Дискриминативные и порождающие модели ..............................................173
Регрессия Пуассона .............................................................................................176
Распределение Пуассона ................................................................................176
Модель Пуассона с дополнением нулевыми значениями ...........................178
8
Содержание
Регрессия Пуассона и модель Пуассона с дополнением нулевыми
значениями .....................................................................................................179
Робастная логистическая регрессия ..................................................................181
Модуль GLM.........................................................................................................183
Резюме .................................................................................................................184
Упражнения.........................................................................................................185
Глава 5. Сравнение моделей ........................................................................188
Проверки прогнозируемого апостериорного распределения.........................188
Лезвие Оккама – простота и точность ..............................................................194
Лишние параметры приводят к переподгонке ............................................196
Недостаточное количество параметров приводит к недоподгонке ...........197
Баланс между простотой и точностью ..........................................................197
Измерения прогнозируемой точности .........................................................198
Информационные критерии .............................................................................200
Логарифмическая функция правдоподобия и отклонение .........................201
Информационный критерий Акаике ............................................................202
Часто применяемый информационный критерий ......................................202
Парето-сглаженная выборка по значимости для перекрестной
проверки LOOCV .............................................................................................203
Другие информационные критерии .............................................................203
Сравнение моделей с помощью библиотеки PyMC3 ...................................204
Усреднение моделей .......................................................................................207
Коэффициенты Байеса .......................................................................................210
Некоторые дополнительные замечания .......................................................212
Коэффициенты Байеса и информационные критерии ...............................216
Регуляризация априорных распределений ......................................................220
Более подробно об информационном критерии WAIC ...................................222
Энтропия .........................................................................................................222
Расхождение Кульбака–Лейблера..................................................................224
Резюме .................................................................................................................227
Упражнения.........................................................................................................228
Глава 6. Смешанные модели ........................................................................230
Смешанные модели ............................................................................................231
Конечные смешанные модели ...........................................................................232
Категориальное распределение ....................................................................234
Распределение Дирихле .................................................................................235
Неидентифицируемость смешанных моделей.............................................238
Как правильно выбрать число K ....................................................................241
Смешанные модели и кластеризация ...........................................................245
Смешанные модели с бесконечной размерностью ..........................................246
Процесс Дирихле ............................................................................................246
Непрерывные смешанные модели ....................................................................253
Содержание 9
Биномиальное бета-распределение и отрицательное биномиальное
распределение ................................................................................................254
t-распределение Стьюдента...........................................................................255
Резюме .................................................................................................................255
Упражнения.........................................................................................................257
Глава 7. Гауссовы процессы...........................................................................258
Линейные модели и нелинейные данные ........................................................258
Функции моделирования ...................................................................................259
Многомерные гауссовы распределения и функции.....................................261
Ковариационные функции и ядра .................................................................261
Гауссовы процессы .........................................................................................264
Регрессия на основе гауссовых процессов ........................................................265
Регрессия с пространственной автокорреляцией --">
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя (7) »
Книги схожие с «Байесовский анализ на Python» по жанру, серии, автору или названию:
Дмитрий Витальевич Елисеев - Рассказы о математике с примерами на языках Python и C Жанр: Математика Год издания: 2018 |
Джастин Зейтц, Тим Арнольд - Black Hat Python: программирование для хакеров и пентестеров Жанр: Руководства и инструкции Год издания: 2022 Серия: Библиотека программиста |
Антон Леонардович Марченко - Python: большая книга примеров Жанр: Программирование: прочее Год издания: 2023 |