Pour un débutant, quel est le meilleur livre pour commencer à étudier les réseaux bayésiens?Tutoriel sur les réseaux bayésiens
Répondre
Je recommande "Les modèles probabilistes graphiques" par Daphne Koller et Nir Friedman. C'est un excellent manuel de démarrage à intermédiaire sur les modèles graphiques dirigés (réseaux bayésiens) et non dirigés (réseaux de Markov). Les exemples donnés sont élaborés et faciles à comprendre.
Vous devriez vérifier les livres AI (Intelligence Artificielle). J'ai appris sur bayésienne dans Artificial Intelligence "A modern approach »
Moi aussi. C'était une lecture intéressante. – jensgram
Ce livre en ligne a été extrêmement utile pour moi dans tous les aspects de l'apprentissage de la machine, y compris l'inférence bayésienne.
http://www.inference.phy.cam.ac.uk/mackay/itila/book.html
Accordé vous connaissez avec une probabilité de base théorie, son une grande ressource.
machine Learning Mitchell est une amorce extrêmement importante dans le domaine de l'intelligence artificielle. il couvre les réseaux bayésiens, consacrant, si je me souviens, un chapitre entier à lui.
Je voudrais également vérifier la classe Weka Bayesian Network pour comprendre une implémentation pratique. Si vous ne connaissez pas Weka, vérifier ici: http://www.cs.waikato.ac.nz/ml/weka/
Pearl 1988 Raisonnement probabilistes dans les systèmes intelligents est l'un des plus cités fonctionne sur les réseaux bayésiens. Je l'ai trouvé très clair. Cela dit, beaucoup a été fait sur le terrain depuis 1988. Il serait sage de compléter ce livre par des travaux plus récents.
Tous les livres mentionnés jusqu'à présent sont assez bons. Pearl est généralement considéré comme étant un peu difficile à suivre, c'est aussi assez cher, mais si vous pouvez le gérer, tout le pouvoir pour vous.
Je voudrais vraiment vraiment vous recommandons de vérifier le livre de Chris Bishop, Pattern Recognition and Machine Learning. Je pense que c'est de loin le meilleur traitement que vous obtiendrez de modèles graphiques dans un manuel, au moins jusqu'à ce que Michael Jordan termine et publie son livre sur le sujet.
plus un, en particulier le livre de l'évêque (mais exige que vous lisiez bien les mathématiques) – Fredriku73
Un bon livre sur l'apprentissage automatique général est 1. Mais il est assez léger sur BN. Je n'ai pas lu [2] mais j'ai lu [3] par lui ce qui est bon (donc, [2] est susceptible d'être bon comme recommandé par dwf). Je ne recommanderais pas du tout le livre de Pearl à moins que vous ne fassiez votre doctorat!
Cependant, je recommande réellement le tutoriel en ligne "Une brève introduction aux modèles graphiques et réseaux bayésiens" par Kevin Murphy [4]. La meilleure façon d'apprendre BN est de lire ceci, de télécharger sa boîte à outils Matlab [5] et de construire votre propre BN en dix minutes.
- classification de motifs par Duda/Hart/Stork
- Reconnaissance et Apprentissage par Chris Bishop
- Neural Networks pour la reconnaissance des formes par Chris Bishop
- http://www.cs.ubc.ca/~murphyk/Bayes/bnintro.html
- Bayes Net Boîte à outils pour Matlab
Les meilleurs professeurs dans ce domaine sont de mon point de vue ces 2 gars: link text Ng. Andrew et link text Prof. Pallab Dasgupta.
J'ai regardé tous leurs tutoriels sur BBN et ils étaient très utiles.Il suffit de suivre les liens et vous trouverez plus de conférences AI avec ces 2 gars intéressants.
Demandez l'apprentissage du plaisir avec eux, Mike
- 1. Quelle est la relation entre les réseaux bayésien et neuronal?
- 2. Travailler sur des réseaux
- 3. Code JavaScript pour capturer les annonces diffusées sur les réseaux
- 4. Tutoriel sur toile/Référence
- 5. Prévenir les pop-ups de réseaux publicitaires sur mon site
- 6. Modification atomique de fichiers sur plusieurs réseaux
- 7. Performance C++/Java pour les réseaux neuronaux?
- 8. Amazon S3 pour les réseaux sociaux?
- 9. Comment diffuser dans les réseaux adhoc?
- 10. Bon tutoriel sur les services Web Java OC4J
- 11. quickstart jboss (ou tomcat) + tutoriel sur les beans
- 12. Quelqu'un recommande un bon tutoriel sur les champs aléatoires conditionnels
- 13. recherche de réseaux sociaux
- 14. Réseaux de réflexion et multidimensionnels
- 15. suggestions sur un projet en C++/systèmes/réseaux distribués
- 16. Coincé sur le tutoriel officiel de Django
- 17. Tutoriel ActiveX sur Visual C++ 6
- 18. Paquets de diffusion UDP sur des sous-réseaux
- 19. jqGrid Grouper sans sous-réseaux?
- 20. Bon tutoriel pour les modèles Resharper
- 21. Tutoriel Joomla
- 22. Problème Tentative de monodiffusion de paquets vers les réseaux disponibles
- 23. Une bonne bibliothèque Java pour les réseaux mathématiques
- 24. Comment énumérer tous les réseaux WiFi disponibles en utilisant Delphi
- 25. tutoriel google graphique
- 26. Les actions de l'utilisateur comme les réseaux sociaux facebook, myspace, tous les grands
- 27. API PHP pour accéder aux réseaux sociaux
- 28. cakePHP tutoriel pdf pour les débutants et les niveaux experts?
- 29. Tutoriel sur la compréhension des chaînes dans Symbian
- 30. Tutoriel d'assemblage SPARC
Koller enseigne un cours sur le modèle graphique probabiliste sur Coursera: https://www.coursera.org/course/pgm – Falcon