Ci sono tutorial sulla teoria della probabilità bayesiana o modelli grafici per esempio?


13

Ho visto riferimenti all'apprendimento della teoria della probabilità bayesiana in R, e mi chiedevo se ce ne fosse di più, forse specificamente in Python? Orientato all'apprendimento della teoria della probabilità bayesiana, dell'inferenza, della stima della massima verosimiglianza, dei modelli grafici e dell'ordinamento?


5
La teoria della probabilità bayesiana è diversa dalla normale teoria della probabilità? Concordo sul fatto che la teoria delle decisioni bayesiane , l' inferenza bayesiana , la teoria delle stime bayesiane ecc. Differiscono significativamente dalle versioni frequentiste di questi due argomenti, ma la teoria delle probabilità è la stessa per entrambi i campi, no?
Dilip Sarwate,

Grazie, scarso uso della terminologia :) Quale parola dovrei usare per comprendere quegli argomenti?
3ds,

Sei interessato alla programmazione o alla matematica? Se il primo, che ne dici di "programmare le procedure di stima bayesiane ..."? Inoltre, la stima della massima verosimiglianza non è bayesiana, eccetto asintoticamente in quasi tutti i casi.
jbowman,

Davvero entrambi. Voglio davvero capire la matematica, ma ho scoperto che i metodi mostrati dalla codifica sembrano consolidare la comprensione, un po 'come la serie "Think Stats" per le statistiche di base in Python :)
3ds

Risposte:


16

A partire da fine gennaio 2012, un corso di 10 settimane sul tema dei modelli grafici probabilistici si terrà online gratuitamente dal professor Daphne Koller di Stanford . È considerata una naturale continuazione del corso ML di Andrew NG , e se si trova vicino a Andrew, sarà di ottima qualità.

C'è anche mathematicalmonk è - video di youtube liberi che coprono molti argomenti come MLE, reti di Bayes, sono più pesanti per la matematica.

Unità del corso di classe ai 3.x Probabilità in AI e 4.x Probabilistic Inference (se crei un account su http://www.ai-class.com potresti vederli in una bella interfaccia ordinata)

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



4

Se vuoi davvero imparare il concetto fondamentale delle statistiche bayesiane, sicuramente dovresti leggere l'analisi dei dati bayesiani scritta da Andrew Gelman. Ti incoraggio a fare l'esercizio. Imparerai molto da esso. Fare la matematica delle statistiche bayesiane è un passo importante per imparare i modelli grafici probabilistici. Sembra che tu sia matricola del concetto bayesiano. NON leggere frettolosamente i Modelli grafici probabilistici se non hai appreso alcun concetto di base e non hai familiarità con il calcolo matematico bayesiano. conosci il mio consiglio Se hai letto le lezioni video di Stanford fornite da Andrew Ng .


0

Ho appena trovato questo MOOC "Navigazione autonoma dei robot volanti" ( https://www.edx.org/course/autonomous-navigation-flying-robots-tumx-autonavx-0 ). Nel corso gli istruttori insegnano ai partecipanti come programmare (in pitone) un robot volante per la navigazione autonoma, sfruttando le statistiche bayesiane per la stima degli stati e altre tecniche utili (ad esempio il filtraggio di Kalman dell'input del sensore rumoroso). La cosa bella è che il codice che si scrive in classe è utilizzabile per alcuni robot volanti disponibili in commercio, quindi in seguito si può giocare di più con questo e cercare possibilità su come migliorare la stima dello stato bayesiano.

Per il quaderno Ipython "Programmazione probabilisica e metodi bayesiani per hacker", lo consiglio vivamente. Non ho mai visto una presentazione così ben accessibile e completa sull'introduzione prima e ho davvero imparato molto in un tempo relativamente breve!


3
Spiegare chiaramente la connessione tra il primo collegamento e la domanda. Il tuo secondo link è già coperto in un'altra risposta.
Glen_b -Restate Monica
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.