关于贝叶斯的一个小小的总结

为了要搞论文，我从图书馆借了一堆贝叶斯的书来看，虽然看得不算全面，还是在这里做一个小小的总结：
　　
茆诗松《贝叶斯统计》
http://book.douban.com/subject/1551888/
目前看过的讲贝叶斯方法最通俗易懂的书了
张连文《贝叶斯网引论》
http://book.douban.com/subject/1974704/
以上是我觉得较为好的两本，也是读得比较认真的两本。从贝叶斯理论的基本概念开始讲起，公式推导十分详细，还有非常丰富的实例以及相关理论的应用。《贝叶斯网引论》最值得称道的一点是上面大部分的算法都给出了图示，也就是随着算法一次次迭代的过程，整个贝叶斯网络变化过程的图示，这样的算法才是读者真正能够看明白的算法。

关于贝叶斯网络，最通俗易懂的书还是
Peter Norvig / Stuart Russell《人工智能：一种现代方法》
http://book.douban.com/subject/1230487/
有一章专讲概率推理，接下来的一章讲贝叶斯网络，包括连续时间的贝叶斯网络，后面还有一章讲了动态贝叶斯网络和隐式马尔可夫模型的内容。此书作者Peter Norvig是google研发部总监，水平确实不是一般的高，很多基本概念和基本思想深入浅出、娓娓道来，贝叶斯网络还附了习题，纸上的和编程都有这一点尤其难得。另外此书的参考文献极为丰富，可惜被天煞的人民邮电出版社给砍掉了。

陈晓平《贝叶斯方法与科学合理性：对休谟问题的思考》
http://book.douban.com/subject/4472081/
这本讲得太哲学化了，大段的讨论，对搞论文没有什么帮助，但是论文搞完了停下来做些思考的时候可以看看。

James O.Berger《统计决策论及贝叶斯分析》
http://book.douban.com/subject/1541450/
统计决策论及贝叶斯分析（英文版）
http://book.douban.com/subject/1231242/
Berger的书是贝叶斯方法的扛鼎之作，探索该领域的必读经典之一，但是按我目前的这种急功近利的心态是没可能读完的了。

《贝叶斯方法(英文版)》
http://book.douban.com/subject/1225932/
本书从极大似然估计开始讲起，主要讲贝叶斯统计学，贝叶斯推断讲的比较少，不涉及贝叶斯网络。老外的写法就是显得比较流畅，另外此书很多的例题和习题，值得一看啊。

Bayesian network technologies(贝叶斯网络技术：应用与图形模型)
http://book.douban.com/subject/2586308/
是一本贝叶斯网络的论文集，分建模、推理、应用三个部分，图书馆借来复印了一本，讲的内容跟生物和医学方面的比较紧密，如果你是搞这方面的论文，这本书会有很好的帮助。

王双成《贝叶斯网络学习、推理与应用》
http://book.douban.com/subject/4715136/
这本书的写法就纯粹罗列公式而已，作者基本上就没有希望这本书被人看明白。图书馆借来，很快就还掉了。

《贝叶斯网络理论在装备故障诊断中的应用》
http://book.douban.com/subject/3883514/
国人编的书，先是一大堆综述，然后理论部分快速带过，纯讲应用的部分很不够深入。唯一值得借鉴的就是前2章综述部分了。

肖秦琨 / 高嵩 / 高晓光《动态贝叶斯网络推理学习理论及应用》
http://book.douban.com/subject/2306630/
跟上一本差不多，综述和入门级内容，不够深入。

明志茂 / 陶俊勇 / 陈循《动态分布参数的贝叶斯可靠性分析》
http://book.douban.com/subject/5432335/
同样是大段罗列公式的专著，动态分布参数这个词似乎故意是想把问题说复杂，贝叶斯方法里参数本身也是一个不确定量啊！

吴喜之《现代贝叶斯统计学》
http://book.douban.com/subject/1105649/
又是一本罗列结论的书，我翻过之后很快就放回了图书馆的书架。

关于贝叶斯的一个小小的总结相关推荐

[机器学习]一个例子完美解释朴素贝叶斯分类器
何为"朴素":属性条件独立性假设如果已知条件不止一个属性,二是多个呢,这个时候贝叶斯公式可以写作上述公式假设特征属性 a1,a2⋯ 相互独立,这也是"朴素" ...
#第26篇分享：一个文本分类的数据挖掘（python语言：sklearn 朴素贝叶斯NB）（2）
#sklearn 朴素贝叶斯NB算法常用于文本分类,尤其是对于英文等语言来说,分类效果很好:它常用于垃圾文本过滤.情感预测.推荐系统等:是基于概率进行预测的模型,可以做二分类及多分类( 朴素贝叶斯是个 ...
今日头条李磊等最新论文：用于文本生成的核化贝叶斯Softmax
译者 | Raku 出品 | AI科技大本营(ID:rgznai100) 摘要用于文本生成的神经模型需要在解码阶段具有适当词嵌入的softmax层,大多数现有方法采用每个单词单点嵌入的方式,但是一个 ...
《机器学习实战》学习笔记（四）：朴素贝叶斯的基本原理
在看了书.CSDN上的博客.B站上的视频后整理而成,超级感谢前辈提供的宝贵知识- Table of Contents 1 基础数学知识 1.1 条件概率公式 1.2 贝叶斯公式 1.3 全概率 ...
贝叶斯机器学习：经典模型与代码实现！
Datawhale干货 Author:louwill,贝叶斯机器学习贝叶斯定理是概率模型中最著名的理论之一,在机器学习中也有着广泛的应用.基于贝叶斯理论常用的机器学习概率模型包括朴素贝叶斯和贝叶斯网 ...
秒懂机器学习---朴素贝叶斯
秒懂机器学习---朴素贝叶斯一.总结一句话总结: 尽管朴素贝叶斯的条件独立性假设存在一定的问题,但是朴素贝叶斯算法仍然能取得比较理想的分类预测结果. 1.朴素贝叶斯分类算法和 KNN分类算法和决 ...
基于朴素贝叶斯的垃圾邮件分类-着重理解拉普拉斯变换
1. 引言在正式学习朴素贝叶斯之前,需要明确的是机器学习所要实现的是基于有限的训练样本集尽可能准确地估计出后验概率P(c|x),即根据特征得到所属类别的概率,首先引入两个概念. 判别式模型(disc ...
【机器学习】贝叶斯机器学习：经典模型与代码实现
贝叶斯机器学习 Author:louwill Machine Learning Lab 贝叶斯定理是概率模型中最著名的理论之一,在机器学习中也有着广泛的应用.基于贝叶斯理论常用的机器学习概率模型包括朴 ...
【白话机器学习】算法理论+实战之朴素贝叶斯
1. 写在前面如果想从事数据挖掘或者机器学习的工作,掌握常用的机器学习算法是非常有必要的,常见的机器学习算法: 监督学习算法:逻辑回归,线性回归,决策树,朴素贝叶斯,K近邻,支持向量机,集成算法Ad ...

关于贝叶斯的一个小小的总结

关于贝叶斯的一个小小的总结相关推荐

最新文章

热门文章