Czy istnieją jakieś samouczki na temat Bayesowskiej teorii prawdopodobieństwa lub modeli graficznych na przykład?


13

Widziałem odniesienia do nauki bayesowskiej teorii prawdopodobieństwa w języku R i zastanawiałem się, czy jest czegoś takiego, być może konkretnie w Pythonie? Skoncentrowany na nauce Bayesowskiej teorii prawdopodobieństwa, wnioskowania, szacowania maksymalnego prawdopodobieństwa, modeli graficznych i tym podobnych?


5
Czy Bayesowska teoria prawdopodobieństwa różni się od zwykłej teorii prawdopodobieństwa? Zgadzam się, że teoria decyzji bayesowskiej, wnioskowanie bayesowskie, teoria estymacji bayesowskiej itp. Różnią się znacznie od częstych wersji tych dwóch tematów, ale teoria prawdopodobieństwa jest taka sama dla obu obozów, prawda?
Dilip Sarwate,

Dzięki, słabe użycie terminologii :) Jakiego słowa użyłbym, aby objąć te tematy?
3ds

Czy jesteś zainteresowany kodowaniem lub matematyką? Jeśli tak, to co powiesz na „programowanie procedur estymacji bayesowskiej ...”? Ponadto maksymalne oszacowanie prawdopodobieństwa nie jest bayesowskie, z wyjątkiem asymptotycznie w prawie wszystkich przypadkach.
jbowman

Naprawdę jedno i drugie. Chcę naprawdę zrozumieć matematykę, ale odkryłem, że metody pokazane przez kodowanie wydają się utrwalać zrozumienie, podobnie jak seria „Think Stats” dla podstawowych statystyk w pythonie :)
3ds

Odpowiedzi:


16

Od końca stycznia 2012 r. 10-tygodniowy kurs na temat probabilistycznych modeli graficznych odbędzie się online za darmo przez profesor Stanford Daphne Koller . Jest uważana za naturalną kontynuację kursu ML Andrew NG , a jeśli jest gdzieś w pobliżu Andrew, będzie znakomitej jakości.

Są też matematyki - darmowe filmy z YouTube'a na wiele tematów, takich jak MLE, sieci Bayesa, są bardziej matematyczne.

kursy ai klasy 3.x Prawdopodobieństwo w AI i 4.x Wnioskowanie probabilistyczne (jeśli założysz konto na http://www.ai-class.com , możesz je zobaczyć w ładnie uporządkowanym interfejsie)

Więcej:
http://www.cs.ubc.ca/~murphyk/Bayes/bnintro.html
http://mtnwestrubyconf2007.confreaks.com/session03.html



4

Jeśli naprawdę chcesz poznać podstawową koncepcję statystyki bayesowskiej, zdecydowanie powinieneś przeczytać analizę danych bayesowskich napisaną przez Andrew Gelmana. Zachęcam do ćwiczeń. Nauczysz się z tego wiele. Wykonanie matematyki statystyki bayesowskiej jest ważnym krokiem do nauki probabilistycznych modeli graficznych. Wygląda na to, że jesteś studentem koncepcji bayesowskiej. NIE czytaj pośpiesznie probabilistycznych modeli graficznych, jeśli nie nauczyłeś się żadnej podstawowej koncepcji i nie znasz bayesowskich obliczeń matematycznych. znasz moją sugestię Jeśli przeczytałeś wykłady wideo ze Stanford dostarczone przez Andrew Ng .


0

Właśnie natrafiłem na MOOC „Autonomous Navigation of Flying Robots” ( https://www.edx.org/course/autonomous-navigation-flying-robots-tumx-autonavx-0 ). W trakcie kursu instruktorzy uczą uczestników, jak programować (w pythonie) latającego robota do autonomicznej nawigacji, wykorzystując statystyki bayesowskie do szacowania stanów i innych przydatnych technik (np. Filtrowanie Kalmana szumów z czujników). Zaletą jest to, że kod, który pisze się na zajęciach, jest użyteczny dla niektórych komercyjnie dostępnych robotów latających, więc można później bawić się tym i szukać możliwości, jak poprawić oszacowanie stanu Bayesa.

W przypadku notebooka Ipython „Programowanie probabilistyczne i metody bayesowskie dla hakerów” również mogę go gorąco polecić. Nie spotkałem się wcześniej z tak łatwo dostępnymi i kompleksowymi informacjami na temat wprowadzenia i naprawdę wiele się nauczyłem w stosunkowo krótkim czasie!


3
Proszę jasno wyjaśnić związek między pierwszym linkiem a pytaniem. Twój drugi link jest już objęty inną odpowiedzią.
Glen_b
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.