電子書指“電子書籍”,即數字化的出版物。

VIP內容

前言在這本書中,我們從圖形模型的基礎知識、它們的類型、為什麼使用它們以及它們解決了什麼類型的問題開始。然後我們在圖形模型的上下文中探索子問題,例如它們的表示、構建它們、學習它們的結構和參數,以及使用它們回答我們的推理查詢。

這本書試圖提供足夠的理論信息,然後使用代碼示例窺視幕後,以了解一些算法是如何實現的。代碼示例還提供了一個方便的模板,用於構建圖形模型和回答概率查詢。在文獻中描述的許多種類的圖形模型中,這本書主要關注離散貝葉斯網絡,偶爾也有來自馬爾科夫網絡的例子。

內容概述

  • 第一章:概率論,涵蓋了理解圖形模型所需的概率論的概念。

  • 第2章:有向圖形模型,提供了關於貝葉斯網絡的信息,他們的屬性相關的獨立性,條件獨立性,和D分離。本章使用代碼片段加載貝葉斯網絡並理解其獨立性。

  • 第三章:無向圖模型,介紹了馬爾可夫網絡的性質,馬爾可夫網絡與貝葉斯網絡的區別,以及馬爾可夫網絡的獨立性。

  • 第四章:結構學習,涵蓋了使用數據集來推斷貝葉斯網絡結構的多種方法。我們還學習了結構學習的計算複雜性,並在本章使用代碼片段來學習抽樣數據集中給出的結構。

  • 第5章:參數學習,介紹了參數學習的最大似然法和貝葉斯方法。

  • 第6章:使用圖形模型的精確推理,解釋了精確推理的變量消除算法,並探索了使用相同算法回答我們的推理查詢的代碼片段。

  • 第7章:近似推理方法,探討了網絡太大而無法進行精確推理的近似推理。我們還將通過在馬爾科夫網絡上使用循環信念傳播運行近似推論的代碼樣本。

目錄

成為VIP會員查看完整內容
0
51
1
Top