Learning Probabilistic Graphical Models in R
Idioma: inglés
Editorial: Packt Publishing Limited, GB, 2023
- Tapa blanda
- Nuevo
Librería: Rarewaves USA United, HEBRON, KY, Estados Unidos de AmericaRarewaves USA United
Vendedor de IberLibro desde 20 de junio de 2025
Condición: Nuevo
EUR 50,64
Cantidad disponible: Más de 20 disponibles
Añadir al carritoDescripción del artículo del vendedor
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 ref. del artículo LU-9781784392055
- Título
- Learning Probabilistic Graphical Models in R
- Autor
- David Bellot
- Editorial
- Packt Publishing Limited, GB
- Año de publicación
- 2023
- Estado
- New
- Encuadernación
- Digital
- Idioma
- inglés
- 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
“Sinopsis” puede pertenecer a otra edición de este título.
Acerca del 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.
“Acerca de” puede pertenecer a otra edición de este título.
Rarewaves USA United
HEBRON, KY, Estados Unidos de America
Vendedor de IberLibro desde 20 de junio de 2025
Tarifas de envío en Estados Unidos de America
| Artículo | De 30 a 30 días hábiles | De 14 a 14 días hábiles |
|---|---|---|
| Primer artículo | EUR 44,59 | EUR 59,75 |
Métodos de pago
Información empresarial del vendedor
Rarewaves USA
10100 West Sample Road, Ste 101
Coral Springs, FL Estados Unidos de America 33065
Derecho al desistimiento
Si es un consumidor, puede rescindir el contrato de acuerdo con lo siguiente. Por consumidor se entiende cualquier persona física que actúe con fines ajenos a su actividad comercial, empresarial, oficio o profesión.
Información sobre el derecho de desistimiento
Derecho legal de desistimiento
Tiene derecho a rescindir este contrato en un plazo de 14 días sin dar ningún motivo.
El periodo de desistimiento vencerá a los 14 días desde que usted, o un tercero que no sea el transportista e indicado por usted, adquiera la posesión física del último bien o del último lote o pieza.
Para ejercer el derecho de desistimiento, complete de forma electrónica y envíe una declaración clara en nuestro sitio web, desde "Mis compras" en "Mi cuenta". Le enviaremos sin demora un acuse de recibo de dicho desistimiento a través de un soporte duradero (por ejemplo, por correo electrónico).
Para cumplir con el plazo de desistimiento, basta con que envíe su comunicación relativa al ejercicio del derecho de desistimiento antes de que venza el periodo de desistimiento.
Efectos del desistimiento
Si rescinde este contrato, le reembolsaremos todos los pagos que hayamos recibido de usted, incluidos los gastos de envío (excepto los gastos adicionales que surjan si elige un tipo de envío que no sea el tipo de envío estándar más económico que ofrecemos).
Podemos hacer una deducción del reembolso por la pérdida de valor de cualquier bien suministrado, si la pérdida es el resultado de una manipulación innecesaria por su parte.
Efectuaremos el reembolso sin demoras indebidas y, a más tardar, 14 días después de que se nos informe de su decisión de rescindir este contrato.
Efectuaremos el reembolso utilizando el mismo medio de pago que utilizó para la transacción inicial, a menos que haya acordado expresamente lo contrario; en cualquier caso, no incurrirá en ningún cargo como resultado de dicho reembolso.
Podremos retener el reembolso hasta que hayamos recibido los bienes o hasta que nos haya presentado una prueba de que los ha devuelto, lo que ocurra primero.
Deberá devolver los bienes o entregarlos a Rarewaves USA United, Coral Springs, Florida, U.S.A., sin demoras indebidas y, en cualquier caso, en un plazo máximo de 14 días a partir del día en que nos comunique su desistimiento del presente contrato. El plazo se cumple si devuelve la mercancía antes de que venza el periodo de 14 días. Tendrá que asumir los gastos directos de devolución de los bienes. Usted solo es responsable de la disminución del valor de los bienes como resultado de una manipulación distinta a la necesaria para establecer la naturaleza, las características y el funcionamiento de los bienes.
Excepciones al derecho de desistimiento
El derecho de desistimiento no se aplica a lo siguiente:
- La entrega de periódicos, diarios o revistas, con la excepción de los contratos de suscripción; y
- El suministro de contenido digital que no se proporcione en un soporte tangible (por ejemplo, en un CD o DVD) si, al hacer el pedido, aceptó que podíamos empezar a entregarlo y que no podría desistir una vez iniciada la entrega.
Condiciones de envío
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.