Learning Probabilistic Graphical Models in R
Sprache: Englisch
Verlag: Packt Publishing Limited, GB, 2023
- Softcover
- Neu
Anbieter: Rarewaves USA, HEBRON, KY, USARarewaves USA
Verkäufer:in bei AbeBooks seit 10. Juni 2025
Zustand: Neu
EUR 48,09
Anzahl: Mehr als 20 verfügbar
In den WarenkorbArtikelbeschreibung des Verkäufers
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.…
Bestandsnummer des Verkäufers LU-9781784392055
- Titel
- Learning Probabilistic Graphical Models in R
- Autor
- David Bellot
- Verlag
- Packt Publishing Limited, GB
- Erscheinungsjahr
- 2023
- Zustand
- New
- Einband
- Digital
- Sprache
- Englisch
- 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
„Inhaltsangabe“ gehört möglicherweise zu einer anderen Auflage dieses Titels.
Über die Autorin bzw. den Autor
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.
„Über diesen Titel“ gehört möglicherweise zu einer anderen Auflage dieses Titels.
Rarewaves USA
HEBRON, KY, USA
Verkäufer:in bei AbeBooks seit 10. Juni 2025
Versandkosten innerhalb von USA
| Artikel | 13 bis 14 Werktage | 13 bis 16 Werktage |
|---|---|---|
| Erster Artikel | EUR 0,00 | EUR 0,00 |
Zahlungsarten
Unternehmensdaten der Verkäuferin bzw. des Verkäufers
Rarewaves USA
10100 West Sample Road, Ste 101
Coral Springs, FL USA 33065
Widerrufsrecht
Wenn Sie Verbraucher sind, können Sie gemäß den folgenden Bestimmungen vom Vertrag zurücktreten. Verbraucher ist jede natürliche Person, die zu Zwecken handelt, die nicht ihrer kaufmännischen, gewerblichen, künstlerischen oder beruflichen Tätigkeit zugerechnet werden können.
Informationen zum Widerrufsrecht
Gesetzliches Widerrufsrecht
Sie haben das Recht, den Vertrag innerhalb von 14 Tagen ohne Angabe von Gründen zu widerrufen.
Die Widerrufsfrist beträgt 14 Tage ab dem Tag, an dem Sie oder ein von Ihnen benannter Dritter, der nicht der Transporteur ist, die letzte Ware oder den letzten Posten oder das letzte Exemplar in Besitz genommen hat.
Um das Widerrufsrecht auszuüben, füllen Sie auf unserer Website unter „Meine Einkäufe" in „Mein Nutzerkonto" eine eindeutige Erklärung elektronisch aus und senden Sie sie ab. Wir werden Ihnen unverzüglich eine Bestätigung über den Eingang eines solchen Widerrufs auf einem dauerhaften Datenträger (z. B. per E-Mail) übermitteln.
Um die Widerrufsfrist einzuhalten, reicht es aus, dass Sie Ihre Mitteilung über die Ausübung des Widerrufsrechts vor Ablauf der Widerrufsfrist absenden.
Auswirkungen des Widerrufs
Wenn Sie diesen Vertrag widerrufen, erstatten wir Ihnen alle Zahlungen, die wir von Ihnen erhalten haben, einschließlich der Lieferkosten (mit Ausnahme der zusätzlichen Kosten, die entstehen, wenn Sie eine andere Art der Lieferung als die von uns angebotene günstigste Standardlieferung gewählt haben).
Wir können einen Abzug von der Rückerstattung für den Wertverlust der gelieferten Waren vornehmen, wenn der Verlust auf eine unnötige Behandlung durch Sie zurückzuführen ist.
Wir werden die Rückerstattung unverzüglich und nicht später als 14 Tage nach dem Tag vornehmen, an dem wir über Ihre Entscheidung, diesen Vertrag zu widerrufen, informiert wurden.
Für die Rückerstattung verwenden wir dasselbe Zahlungsmittel, das Sie für die ursprüngliche Transaktion verwendet haben, es sei denn, Sie haben ausdrücklich etwas anderes vereinbart; in keinem Fall werden Ihnen aufgrund einer solchen Rückerstattung Gebühren berechnet.
Wir können die Rückzahlung verweigern, bis wir die Waren wieder zurückerhalten haben oder Sie den Nachweis erbracht haben, dass Sie die Waren zurückgesandt haben, je nachdem, was eher eintritt.
Sie müssen die Waren unverzüglich und in jedem Fall spätestens 14 Tage ab dem Tag, an dem Sie uns über den Widerruf dieses Vertrags unterrichten, an Rarewaves USA, Coral Springs, Florida, U.S.A., zurücksenden oder übergeben. Die Frist ist eingehalten, wenn Sie die Ware vor Ablauf der Frist von 14 Tagen zurücksenden. Sie müssen die direkten Kosten der Rücksendung der Waren tragen. Sie haften nur für einen etwaigen Wertverlust der Waren, der auf eine Behandlung zurückzuführen ist, die nicht zur Prüfung der Art, Eigenschaften und Funktionsweise der Waren erforderlich ist.
Ausnahmen vom Widerrufsrecht
Das Widerrufsrecht gilt nicht für:
- Die Lieferung von Zeitungen, Zeitschriften oder Magazinen mit Ausnahme von Abonnementverträgen; und
- Die Lieferung digitaler Inhalte, die nicht auf einem physischen Medium (z. B. auf einer CD oder DVD) geliefert werden, wenn Sie bei Ihrer Bestellung akzeptiert haben, dass wir mit der Lieferung beginnen können und dass Sie nach Beginn der Lieferung den Vertrag nicht mehr widerrufen können.
Versandbedingungen
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.