Learning Probabilistic Graphical Models in R
Lingua: inglese
Editore: Packt Publishing Limited, GB, 2023
- Brossura
- Nuovo
Da: Rarewaves USA United, HEBRON, KY, U.S.A.Rarewaves USA United
Venditore AbeBooks dal 20 giugno 2025
Condizione: Nuovo
EUR 50,64
Quantità: Più di 20 disponibili
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
Familiarize yourself with probabilistic graphical models through real-world problems and illustrative code examples in RAbout This Book. Predict and use a probabilistic graphical models (PGM) as an expert system. Comprehend how your computer can learn Bayesian modeling to solve real-world problems. Know how to prepare data and feed the models by using the appropriate algorithms from the appropriate R packageWho This Book Is ForThis book is for anyone who has to deal with lots of data and draw conclusions from it, especially when the data is noisy or uncertain. Data scientists, machine learning enthusiasts, engineers, and those who curious about the latest advances in machine learning will find PGM interesting.What You Will Learn. Understand the concepts of PGM and which type of PGM to use for which problem. Tune the model's parameters and explore new models automatically. Understand the basic principles of Bayesian models, from simple to advanced. Transform the old linear regression model into a powerful probabilistic model. Use standard industry models but with the power of PGM. Understand the advanced models used throughout today's industry. See how to compute posterior distribution with exact and approximate inference algorithmsIn DetailProbabilistic graphical models (PGM, also known as graphical models) are a marriage between probability theory and graph theory. Generally, PGMs use a graph-based representation. Two branches of graphical representations of distributions are commonly used, namely Bayesian networks and Markov networks. R has many packages to implement graphical models.We'll start by showing you how to transform a classical statistical model into a modern PGM and then look at how to do exact inference in graphical models. Proceeding, we'll introduce you to many modern R packages that will help you to perform inference on the models. We will then run a Bayesian linear regression and you'll see the advantage of going probabilistic when you want to do prediction.Next, you'll master using R packages and implementing its techniques. Finally, you'll be presented with machine learning applications that have a direct impact in many fields. Here, we'll cover clustering and the discovery of hidden information in big data, as well as two important methods, PCA and ICA, to reduce the size of big problems.Style and approach This book gives you a detailed and step-by-step explanation of each mathematical concept, which will help you build and analyze your own machine learning models and apply them to real-world problems. The mathematics is kept simple and each formula is explained thoroughly.…
Codice articolo LU-9781784392055
- Titolo
- Learning Probabilistic Graphical Models in R
- Autore
- David Bellot
- Editore
- Packt Publishing Limited, GB
- Anno di pubblicazione
- 2023
- Condizione
- New
- Rilegatura
- Digital
- Lingua
- inglese
- ISBN 10
- 1784392057
- ISBN 13
- 9781784392055
Key Features
- Predict and use a probabilistic graphical models (PGM) as an expert system
- Comprehend how your computer can learn Bayesian modeling to solve real-world problems
- Know how to prepare data and feed the models by using the appropriate algorithms from the appropriate R package
Book Description
Probabilistic graphical models (PGM, also known as graphical models) are a marriage between probability theory and graph theory. Generally, PGMs use a graph-based representation. Two branches of graphical representations of distributions are commonly used, namely Bayesian networks and Markov networks. R has many packages to implement graphical models.
We'll start by showing you how to transform a classical statistical model into a modern PGM and then look at how to do exact inference in graphical models. Proceeding, we'll introduce you to many modern R packages that will help you to perform inference on the models. We will then run a Bayesian linear regression and you'll see the advantage of going probabilistic when you want to do prediction.
Next, you'll master using R packages and implementing its techniques. Finally, you'll be presented with machine learning applications that have a direct impact in many fields. Here, we'll cover clustering and the discovery of hidden information in big data, as well as two important methods, PCA and ICA, to reduce the size of big problems.
What you will learn
- Understand the concepts of PGM and which type of PGM to use for which problem
- Tune the model's parameters and explore new models automatically
- Understand the basic principles of Bayesian models, from simple to advanced
- Transform the old linear regression model into a powerful probabilistic model
- Use standard industry models but with the power of PGM
- Understand the advanced models used throughout today's industry
- See how to compute posterior distribution with exact and approximate inference algorithms
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
David Bellot is a PhD graduate in Computer Science from Inria, France, with a focus on Bayesian machine learning. He was a postdoctoral fellow at the University of California, Berkeley and worked for companies such as Intel, Orange, or Barclays Bank. He currently works in the financial industry where he develops financial market prediction algorithms using machine learning. He is also a contributor to open source projects such as the Boost C++ library.
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
Rarewaves USA United
HEBRON, KY, U.S.A.
Venditore AbeBooks dal 20 giugno 2025
Tariffe di spedizione nazionale per U.S.A.
| Articolo | Da 30 a 30 giorni lavorativi | Da 14 a 14 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 44,64 | EUR 59,81 |
Metodi di pagamento
Informazioni sull’azienda del venditore
Rarewaves USA
10100 West Sample Road, Ste 101
Coral Springs, FL U.S.A. 33065
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a Rarewaves USA United, Coral Springs, Florida, U.S.A., senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Please note that we do not offer Priority shipping to any country.
We currently do not ship to the below countries:
Afghanistan
Bhutan
Brazil
Brunei Darussalam
Channel Islands
Chile
Israel
Lao
Mexico
Russian Federation
Saudi Arabia
South Africa
Yemen
Please do not attempt to place orders with any of these countries as a ship to address - they will be cancelled.