Analiza bayesowska w Pythonie. Praktyczny przewodnik po modelowaniu probabilistycznym. Wydanie III Osvaldo Martin
- Autor:
- Osvaldo Martin
- Wydawnictwo:
- Helion
- Wydawnictwo:
- Helion
- Ocena:
- Stron:
- 288
- Druk:
- oprawa miękka
- Dostępny format:
-
PDF
Opis
książki
:
Analiza bayesowska w Pythonie. Praktyczny przewodnik po modelowaniu probabilistycznym. Wydanie III
Czego się nauczysz?
- Stosować myślenie probabilistyczne i interpretować prawdopodobieństwo w ujęciu bayesowskim
- Dobierać funkcję wiarygodności i konstruować rozkłady a priori oraz a posteriori
- Raportować wyniki analizy bayesowskiej i wizualizować rozkłady a posteriori
- Budować modele probabilistyczne w Pythonie z użyciem biblioteki PyMC
- Podejmować decyzje na podstawie rozkładu a posteriori (ROPE, funkcje straty, stosunek Savage'a-Dickey'a)
- Wykonywać kontrole predykcyjne a posteriori i tworzyć modele odporne na obserwacje odstające
- Analizować i diagnozować modele w ArviZ oraz pracować z kontenerem InferenceData
- Modelować efekty grup i porównywać grupy (m.in. d Cohena, prawdopodobieństwo przewagi)
- Projektować i interpretować modele hierarchiczne oraz rozumieć zjawisko kurczenia
- Tworzyć modele regresyjne: liniowe, wielorakie, logistyczne i hierarchiczne (scentrowane oraz niescentrowane)
- Porównywać modele i oceniać ich trafność predykcyjną (kryteria informacyjne, walidacja krzyżowa, uśrednianie modeli)
- Stosować współczynniki Bayesa i regularyzować rozkłady a priori w praktyce
- Modelować wnioskowanie z użyciem interfejsu Bambi (interakcje, predyktory kategoryczne, modele rozkładowe)
- Wykonywać selekcję zmiennych metodą projekcji z użyciem Kulprit
- Budować modele mieszanin (skończone i nieskończone), w tym modele z nadmiarem zer oraz progowe
- Stosować procesy gaussowskie i modele BART do nieliniowej regresji, klasyfikacji i analizy wpływu zmiennych oraz rozumieć silniki wnioskowania (MCMC, HMC, SMC) i diagnostykę zbieżności (R-hat, ESS, dywergencje)
W ostatnich dekadach statystyka bayesowska zyskała ogromne znaczenie w nauce i inżynierii. Współczesna analiza bayesowska to w dużej mierze statystyka obliczeniowa elastyczna, przejrzysta i umożliwiająca intuicyjną interpretację wyników. Dzięki rozwojowi bibliotek języka Python koncepcje bayesowskie stały się praktycznym narzędziem do realizacji zaawansowanych scenariuszy analitycznych.
Książka stanowi kompleksowe wprowadzenie do stosowanego wnioskowania bayesowskiego i jego implementacji w Pythonie. Autor używa nowoczesnej biblioteki PyMC do programowania probabilistycznego, a ArviZ do analizy i diagnostyki modeli. Omawia także inne narzędzia ekosystemu bayesowskiego, takie jak Bambi, PreliZ i Kulprit. Zapoznasz się z zagadnieniami bayesowskich addytywnych drzew regresyjnych (BART), selekcji zmiennych, konstrukcji rozkładów a priori i porównywania modeli. Ponadto dowiesz się, jak budować, analizować i interpretować modele probabilistyczne w projektach z zakresu data science.
W książce między innymi:
- budowa modeli probabilistycznych z użyciem PyMC
- analiza i diagnostyka modeli w ArviZ
- modele hierarchiczne zalety i ograniczenia
- porównywanie modeli i wybór najlepszych rozwiązań
- interpretacja wyników w kontekście rzeczywistych problemów
- myślenie probabilistyczne w ujęciu bayesowskim
Książka stanowi kompleksowe, jasne i zwięzłe wprowadzenie do metod bayesowskich i biblioteki PyMC.
Christopher Fonnesbeck i Thomas Wiecki
Wybrane bestsellery
Helion - inne książki
Dzięki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
Masz pytanie o konkretny tytuł? Napisz do nas: sklep@helion.pl
Książka drukowana



Oceny i opinie klientów: Analiza bayesowska w Pythonie. Praktyczny przewodnik po modelowaniu probabilistycznym. Wydanie III Osvaldo Martin
(0)