Pythonでスラスラわかる ベイズ推論「超」入門

購入済み

シリーズ

全1冊

作品情報

★数学とプログラミングを対比させながら、一歩一歩わかりやすく!実務に即してPyMC5プログラミングでベイズ推論を使いこなせるようになる。最初の一冊として、データサイエンティストにおすすめ!【サポートサイト】https://github.com/makaishi2/python_bayes_intro【主な内容】第1章 確率分布を理解する1.1 ベイズ推論における確率分布の必要性1.2 確率変数と確率分布1.3 離散分布と連続分布1.4 PyMCによる確率モデル定義とサンプリング1.5 サンプリング結果分析1.6 確率分布とPyMCプログラミングの関係第2章 よく利用される確率分布2.1 ベルヌーイ分布(pm.Bernoulliクラス)2.2 二項分布(pm.Binomial クラス)2.3 正規分布(pm.Normal クラス)2.4 一様分布(pm.Uniform クラス)2.5 ベータ分布(pm.Beta クラス)2.6 半正規分布(pm.HalfNormal クラス)第3章 ベイズ推論とは3.1 ベイズ推論利用の目的3.2 問題設定3.3 最尤推定による解法3.4 ベイズ推論による解法3.5 ベイズ推論の精度を上げる方法3.6 ベイズ推論の活用例第4章 はじめてのベイズ推論実習4.1 問題設定 (再掲)4.2 最尤推定4.3 ベイズ推論 (確率モデル定義)4.4 ベイズ推論 (サンプリング)4.5 ベイズ推論 (結果分析)4.6 ベイズ推論 (二項分布バージョン)4.7 ベイズ推論 (試行回数を増やす)4.8 ベイズ推論 (事前分布の変更)4.9 ベータ分布で直接確率分布を求める第5章 ベイズ推論プログラミング5.1 データ分布のベイズ推論5.2 線形回帰のベイズ推論5.3 階層ベイズモデル5.4 潜在変数モデル第6章 ベイズ推論の業務活用事例6.1 ABテストの効果検証6.2 ベイズ回帰モデルによる効果検証6.3 IRT (Item Response Theory)によるテスト結果評価

作品をシェアする

同じ作者の本

講談社のおすすめ本

スマホ・PC・ITのおすすめ本

チェックリストに追加しました
クリップボードにURLをコピーしました
カートに追加しました
お気に入りに登録しました
作者をフォローしました

ポイント詳細

  • 通常ポイント

    pt

    ご購入額に応じて、dポイントを還元いたします。還元するdポイント数はご購入代金100円(税抜)につき1ポイントです。

【dカードならさらにおトク!】

さらにdカードをご利用の場合、ご購入代金100円(税込)につき2ポイントを加算し還元いたします。

  • dポイントによるお支払いはポイント進呈の対象外となります。
  • 開催中のキャンペーンにより、還元されるdポイント数は変動いたします。
dカードのお申込みはこちら

お手数ですが、ログイン後に再度登録をお試しください