《概率编程实战》 - 台灣·大書城 - [美]Avi Pfeffer[艾维·费弗] - 人民邮电出版社

	登入帳戶　 \|　訂單查詢　 \|　購物車/收銀台(0)　\|　在線留言板　 \|　付款方式　 \|　聯絡我們　 \|　運費計算　 \|　幫助中心　\|　加入書簽
		會員登入新用戶註冊

HOME

新書上架

暢銷書架

好書推介

2024年度TOP

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

『簡體書』概率编程实战

書城自編碼： 2980216
分類：簡體書→大陸圖書→計算機/網絡→程序設計
作者： [美]Avi Pfeffer[艾维·费弗]
國際書號(ISBN)： 9787115448743
出版社：人民邮电出版社
出版日期： 2017-04-01
版次： 1 印次： 1
頁數/字數： 368页
書度/開本： 16开釘裝：平装

售價：NT$ 641

我要買件

** 我創建的書架 **
未登入.

新書推薦：

《拒斥死亡（文明本质上是一场抵御死亡恐惧的集体英雄主义骗局）》
售價：HK$ 356

《牛津通识读本·世相I（中英双语全五册）收录《全球化面面观》《后殖民主义与世界格局》《国际移民》《人》
售價：HK$ 995

《什么是教育 “轴心时代”提出者雅斯贝尔斯毕生教育思想精华》
售價：HK$ 347

《创建强势品牌（典藏版）》
售價：HK$ 607

《美绘聊斋志异》
售價：HK$ 611

《启微·红帆：中国东南诏安湾的港口、船货与海洋遗产》
售價：HK$ 500

《全球公民教育：批判性的理论与实践基础》
售價：HK$ 347

《做事的逻辑：如何持续做正确的事》
售價：HK$ 218

編輯推薦：

概率推理是机器学习的核心方法之一，本书旨在向程序员，特别是Scala开发人员揭开概率建模的神秘面纱，以帮助程序员们高效地使用概率编程系统。
借助概率编程系统，通过应用特定的算法，你的程序可以确定不同结论的概率。这意味着你可以预测未来事件，如销售趋势、计算机系统故障、试验结果和其他许多重要的关注点。
本书的主要内容
● 概率建模入门
● 用Figaro 编写概率程序
● 构建贝叶斯网络
● 预测产品生命周期
● 决策算法
本书使用的Figaro概率编程语言是Scala库，这使得概率编程模型更容易与Java虚拟机应用集成。同时，Figaro具备了目前概率编程系统中非常广泛的表现特征和推理算法。Figaro还是一个开源GitHub项目，全新版本号为3.3。

內容簡介：

概率推理是不确定性条件下做出决策的重要方法，在许多领域都已经得到了广泛的应用。概率编程充分结合了概率推理模型和现代计算机编程语言，使这一方法的实施更加简便，现已在许多领域（包括炙手可热的机器学习）中崭露头角，各种概率编程系统也如雨后春笋般出现。
本书的作者Avi Pfeffer正是主流概率编程系统Figaro的首席开发者，他以详尽的实例、清晰易懂的解说引领读者进入这一过去令人望而生畏的领域。通读本书，可以发现概率编程并非疯狂科学家们的专利，无需艰深的数学知识，就可以构思出解决许多实际问题的概率模型，进而利用现代概率编程系统的强大功能解题。
本书既可以作为概率编程的入门读物，也可以帮助已经有一定基础的读者熟悉Figaro这一概率编程利器。

關於作者：

Avi Pfeffer是概率编程的先驱，Figaro概率编程语言的首席设计者和开发者。在Charles River Analytics公司，Avi Pfeffer致力于Figaro在多个问题上的应用，包括恶意软件分析、汽车健康监控、气象模型建立和工程系统评估。在闲暇时，Avi Pfeffer是一位歌手、作曲家和音乐制作人。他和妻子及三个孩子在马萨诸塞州坎布里奇生活。

第1部分　概率编程和Figaro简介

第1章　概率编程简介　3
1.1什么是概率编程　4
1.1.1我们如何做出主观判断　4
1.1.2概率推理系统帮助决策　5
1.1.3概率推理系统有3种方式推理　7
1.1.4概率编程系统：用编程语言表达的概率推理系统　11
1.2为什么使用概率编程　14
1.2.1更好的概率推理　14
1.2.2更好的模拟语言　15
1.3Figaro简介：一种概率编程语言　16
1.4小结　23
1.5练习　24

第2章Figaro快速教程　25
2.1Figaro简介　25
2.2创建模型和运行推理：重回Hello World　27
2.2.1构建第一个模型　28
2.2.2运行推理和回答查询　29
2.2.3构建模型和生成观测值　29
2.2.4理解模型的构建方法　31
2.2.5理解重复的元素：何时相同，何时不同　32
2.3使用基本构件：原子元素　33
2.3.1离散原子元素　34
2.3.2连续原子元素　35
2.4使用复合元素组合原子元素　37
2.4.1If　38
2.4.2Dist　39
2.4.3原子元素的复合版本　39
2.5用Apply和Chain构建更复杂的模型　40
2.5.1Apply　41
2.5.2Chain　43
2.6使用条件和约束指定证据　46
2.6.1观测值　46
2.6.2条件　47
2.6.3约束　48
2.7小结　50
2.8练习　51

第3章创建一个概率编程应用程序　53
3.1把握全局　53
3.2运行代码　56
3.3探索垃圾邮件过滤应用的架构　59
3.3.1推理组件架构　59
3.3.2学习组件架构　62
3.4设计电子邮件模型　64
3.4.1选择元素　64
3.4.2定义依赖关系　67
3.4.3定义函数形式　68
3.4.4使用数值参数　71
3.4.5使用辅助知识　73
3.5构建推理组件　74
3.6创建学习组件　78
3.7小结　81
3.8练习　82

第2部分　编写概率程序

第4章概率模型和概率程序　85
4.1概率模型定义　86
4.1.1将一般知识表达为可能世界上的某种概率分布　86
4.1.2进一步探索概率分布　88
4.2使用概率模型回答查询　90
4.2.1根据证据调节以产生后验概率分布　90
4.2.2回答查询　92
4.2.3使用概率推理　94
4.3概率模型的组成部分　94
4.3.1变量　95
4.3.2依赖性　96
4.3.3函数形式　101
4.3.4数值参数　104
4.4生成过程　105
4.5使用连续变量的模型　110
4.5.1使用beta-二项式模型　110
4.5.2连续变量的表示　111
4.6小结　114
4.7练习　114

第5章用贝叶斯和马尔科夫网络建立依赖性模型　116
5.1建立依赖性模型　117
5.1.1有向依赖性　117
5.1.2无向依赖性　122
5.1.3直接和间接依赖性　124
5.2使用贝叶斯网络　126
5.2.1贝叶斯网络定义　126
5.2.2贝叶斯网络如何定义概率分布　127
5.2.3用贝叶斯网络进行推理　128
5.3探索贝叶斯网络的一个示例　131
5.3.1设计一个计算机系统诊断模型　131
5.3.2用计算机系统诊断模型进行推理　135
5.4使用概率编程扩展贝叶斯网络：预测产品的成功　140
5.4.1设计产品成功预测模型　140
5.4.2用产品成功预测模型进行推理　145
5.5使用马尔科夫网络　147
5.5.1马尔科夫网络定义　147
5.5.2表示马尔科夫网络并用其进行推理　150
5.6小结　153
5.7练习　153

第6章使用Scala和Figaro集合构建模型　156
6.1使用Scala集合　157
6.1.1为依赖于单一变量的多个变量建立模型　157
6.1.2创建层次化模型　160
6.1.3建立同时依赖两个变量的模型　162
6.2使用Figaro集合　165
6.2.1理解Figaro集合的用途　165
6.2.2用Figaro集合重新实现层次化模型　166
6.2.3结合使用Scala和Figaro集合　168
6.3建立对象数量未知情况的模型　171
6.3.1开放宇宙中对象数量未知的情况　171
6.3.2可变大小数组　172
6.3.3可变大小数组上的操作　172
6.3.4示例：预测数量未知的新产品销售额　173
6.4处理无限过程　174
6.4.1Process特征　175
6.4.2示例：一个健康时空过程　176
6.4.3使用过程　178
6.5小结　179
6.6练习　180

第7章面向对象概率建模　182
7.1使用面向对象概率模型　183
7.1.1理解面向对象建模的元素　183
7.1.2重温打印机模型　185
7.1.3关于多台打印机的推理　189
7.2用关系扩展OO概率模型　192
7.2.1描述通用类级模型　192
7.2.2描述某种情况　195
7.2.3用Figaro表现社会化媒体模型　198
7.3建立关系和类型不确定性的模型　200
7.3.1元素集合和引用　200
7.3.2具有关系不确定性的社会化媒体模型　202
7.3.3具有类型不确定性的打印机模型　205
7.4小结　207
7.5练习　207

第8章动态系统建模　209
8.1动态概率模型　210
8.2动态模型类型　211
8.2.1马尔科夫链　211
8.2.2隐含马尔科夫模型　214
8.2.3动态贝叶斯网络　216
8.2.4结构随时间改变的模型　220
8.3建立永续系统的模型　224
8.3.1理解Figaro的宇宙概念　224
8.3.2使用宇宙建立持续运行系统的模型　225
8.3.3运行一个监控应用　227
8.4小结　229
8.5练习　230

第3部分　推理

第9章概率推理三原则　235
9.1链式法则：从条件概率分布构建联合分布　237
9.2全概率公式：从联合分布获得简单查询结果　240
9.3贝叶斯法则：从结果推断原因　243
9.3.1理解、原因、结果和推理　243
9.3.2实践中的贝叶斯法则　245
9.4贝叶斯建模　247
9.4.1估算硬币的偏差　248
9.4.2预测下一次掷币结果　252
9.5小结　256
9.6练习　256

第10章因子分解推理算法　258
10.1因子　259
10.1.1什么是因子　259
10.1.2用链式法则分解概率分布　261
10.1.3使用全概率公式，定义包含因子的查询　263
10.2变量消除算法　267
10.2.1VE的图形解释　267
10.2.2VE代数运算　271
10.3VE的使用　273
10.3.1Figaro特有的VE考虑因素　273
10.3.2设计模型支持高效的VE　275
10.3.3VE的应用　278
10.4置信传播　281
10.4.1BP基本原理　282
10.4.2Loopy BP的属性　282
10.5BP的使用　284
10.5.1Figaro特有的BP考虑因素　284
10.5.2设计模型以支持高效的BP　285
10.5.3BP的应用　287
10.6小结　288
10.7练习　288

第11章抽样算法　291
11.1抽样的原理　292
11.1.1前向抽样　293
11.1.2拒绝抽样　297
11.2重要性抽样　299
11.2.1重要性抽样的工作方式　300
11.2.2在Figaro中使用重要性抽样　303
11.2.3让重要性抽样为您工作　304
11.2.4重要性抽样的应用　305
11.3马尔科夫链蒙特卡洛抽样　307
11.3.1MCMC的工作方式　308
11.3.2Figaro的MCMC算法：Metropolis-Hastings算法　311
11.4让MH更好地工作　314
11.4.1自定义提议　316
11.4.2避免硬条件　319
11.4.3MH的应用　320
11.5小结　321
11.6练习　322

第12章处理其他推理任务　324
12.1计算联合分布　325
12.2计算最可能的解释　326
12.2.1在Figaro中计算和查询MPE　329
12.2.2MPE查询算法的使用　331
12.2.3探索MPE算法的应用　336
12.3计算证据的概率　337
12.3.1观察用于证据概率计算的证据　338
12.3.2运行证据概率算法　339
12.4小结　341
12.5练习　341

第13章动态推理和参数学习　342
13.1监控动态系统的状态　342
13.1.1监控机制　344
13.1.2粒子过滤算法　345
13.1.3过滤的应用　348
13.2学习模型参数　349
13.2.1贝叶斯学习　349
13.2.2最大似然和MAP学习　353
13.3进一步应用Figaro　360
13.4小结　361
13.5练习　361

附录A获取和安装Scala和Figaro　364
A.1使用sbt　364
A.2在没有sbt的情况下安装和运行Figaro　365
A.3从源代码编译　366
附录B概率编程系统简况　367

書城介紹　 \|　合作申請　\|　索要書目　 \|　新手入門　\|　聯絡方式　 \|　幫助中心　\|　找書說明　 \|　送貨方式　\|　付款方式	台灣用户　\|　香港/海外用户

megBook.com.tw
Copyright (C) 2013 - 2025 （香港）大書城有限公司　All Rights Reserved.