Learning Probabilistic Graphical Models in R
Langue : anglais
Edité par Packt Publishing Limited, GB, 2023
- Livre broché
- Neuf
Vendeur : Rarewaves USA, HEBRON, KY, Etats-UnisRarewaves USA
Vendeur AbeBooks depuis 10 juin 2025
Etat: Neuf
EUR 48,09
Quantité disponible : Plus de 20 disponibles
Ajouter au panierA propos de cet article
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.…
N° de réf. du vendeur LU-9781784392055
- Titre
- Learning Probabilistic Graphical Models in R
- Auteur
- David Bellot
- Éditeur
- Packt Publishing Limited, GB
- Année de publication
- 2023
- État de l'article
- New
- Reliure
- Digital
- Langue
- anglais
- ISBN à 10 chiffres
- 1784392057
- ISBN à 13 chiffres
- 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
« Synopsis » peut appartenir à une autre édition de cet ouvrage.
À propos de l’auteur
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.
« A propos de ce titre » peut appartenir à une autre édition de cet ouvrage.
Rarewaves USA
HEBRON, KY, Etats-Unis
Vendeur AbeBooks depuis 10 juin 2025
Frais d'expédition à l'intérieur de ce pays : Etats-Unis
| Article | 13 à 14 jours ouvrés | 13 à 16 jours ouvrés |
|---|---|---|
| Premier article | EUR 0,00 | EUR 0,00 |
Modes de paiement
Profil professionnel du vendeur
Rarewaves USA
10100 West Sample Road, Ste 101
Coral Springs, FL Etats-Unis 33065
Droit de rétractation
Si vous êtes un consommateur, vous pouvez exercer votre droit de rétractation sur le contrat conformément à ce qui suit. Le mot « consommateur » désigne toute personne physique agissant à des fins qui n'entrent pas dans le cadre de son activité commerciale, artisanale ou professionnelle.
Informations concernant le droit de rétractation
Droit statutaire de rétractation
Vous avez le droit d'exercer votre droit de rétractation sur ce contrat dans les 14 jours sans donner de raison.
Le délai de rétractation expirera au bout de 14 jours à compter du jour où vous-même, ou un tiers autre que le transporteur et désigné par vous, prendrez physiquement possession de la dernière marchandise, du dernier lot ou de la dernière pièce.
Pour exercer votre droit de rétractation, remplissez électroniquement et envoyez une déclaration claire sur notre site Web, sous « Vos achats » dans « Votre compte ». Nous vous communiquerons sans délai un accusé de réception de cette rétractation sur un support durable (par exemple, par e-mail).
Pour respecter le délai de rétractation, il vous suffit d'envoyer votre message concernant l'exercice de votre droit de rétractation avant l'expiration du délai de rétractation.
Effets de la rétractation
Si vous exercez votre droit de rétractation sur ce contrat, nous vous rembourserons tous les paiements que vous avez effectués, y compris les frais de livraison (à l'exception des frais supplémentaires résultant du choix d'un mode de livraison autre que le type de livraison standard le moins cher que nous proposons).
Nous pouvons déduire du remboursement la perte de valeur de toute marchandise livrée, si la perte est le résultat d'une manipulation inutile de votre part.
Nous effectuerons le remboursement dans les meilleurs délais, et au plus tard 14 jours après le jour où nous aurons été informés de votre décision d'exercer votre droit de rétractation sur ce contrat.
Nous effectuerons le remboursement en utilisant le même moyen de paiement que celui que vous avez utilisé pour la transaction initiale, sauf si vous en avez expressément convenu autrement ; en tout état de cause, aucuns frais ne vous seront facturés à la suite d'un tel remboursement.
Nous pouvons suspendre le remboursement jusqu'à ce que nous ayons reçu les marchandises ou que vous ayez fourni la preuve que vous avez renvoyé les marchandises, en fonction de la première éventualité.
Vous devez renvoyer les marchandises ou les remettre à Rarewaves USA, Coral Springs, Florida, U.S.A., sans retard injustifié et, en tout état de cause, au plus tard 14 jours à compter du jour où vous nous avez communiqué votre décision de rétractation du présent contrat. Le délai est respecté si vous renvoyez les marchandises avant l'expiration du délai de 14 jours. Vous devrez prendre en charge les frais directs du renvoi des marchandises. Vous n'êtes responsable que de toute diminution de valeur des marchandises résultant d'une manipulation autre que celle nécessaire pour établir la nature, les caractéristiques et le fonctionnement des marchandises.
Exceptions au droit de rétractation
Le droit de rétractation ne s'applique pas à ce qui suit :
- Distribution de journaux, de revues ou de magazines, à l'exception des contrats d'abonnement ; et
- Fourniture d'un contenu numérique qui n'est pas fourni sur un support matériel (par exemple, sur un CD ou un DVD) si vous avez accepté, lors de votre commande, que nous puissions commencer à le livrer et que vous ne puissiez pas exercer votre droit de rétractation une fois la livraison commencée.
Conditions d'expédition
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.