← Назад к списку книг

Bayesian Analysis with Python (2016) [PDF]

Martin| Osvaldo
Без рейтинга
Издатель
Дата публикации
23.11.2016 14:52
Добавлена в библиотеку
17.02.2025 17:54
Последнее изменение
30.11.-0001 00:00
Форматы
PDF (4578 KB)
Путь в библиотеке
Martin, Osvaldo/Bayesian Analysis with Python (2016 (7501)
UUID
2154b85b-c665-423f-9ebb-231167628852

Аннотация

Osvaldo Martin | Bayesian Analysis with Python (2016) [PDF]

picАвтор: Osvaldo Martin

Издательство: Packt Publishing

ISBN: 9781785883804

Жанр: учебное пособие

Язык: английский

 

Формат: PDF

Качество: Изначально электронное (ebook)

Иллюстрации: Без иллюстраций

 

Описание:

The purpose of this book is to teach the main concepts of Bayesian data analysis.

What you will learn

Understand the essentials Bayesian concepts from a practical point of view

Learn how to build probabilistic models using the Python library PyMC3

Acquire the skills to sanity-check your models and modify them if necessary

Add structure to your models and get the advantages of hierarchical models

Find out how different models can be used to answer different data analysis questions

When in doubt, learn to choose between alternative models.

Predict continuous target outcomes using regression analysis or assign classes using logistic and softmax regression.

Learn how to think probabilistically and unleash the power and flexibility of the Bayesian framework.

 

Цель этой книги — научить основным концепциям байесовского анализа данных.

Что вы узнаете

Понять основные байесовские концепции с практической точки зрения.

Узнайте, как создавать вероятностные модели с помощью библиотеки Python PyMC3.

Приобретите навыки проверки работоспособности ваших моделей и изменения их при необходимости.

Добавьте структуру в свои модели и воспользуйтесь преимуществами иерархических моделей.

Узнайте, как разные модели можно использовать для ответа на разные вопросы анализа данных.

Если сомневаетесь, научитесь выбирать между альтернативными моделями.

Прогнозируйте непрерывные целевые результаты с помощью регрессионного анализа или назначайте классы с помощью логистической и softmax-регрессии.

Научитесь мыслить вероятностно и раскройте мощь и гибкость байесовской модели.