本书旨在讲解3个主题，并服务于相关的读者：一是介绍贝叶斯推理的算法原理，二是介绍关于统计和相关领域的贝叶斯建模和计算的有效性相关技术，三是做为应用统计学的贝叶斯方法手册，适用于应用统计学的一般读者和研究人员。尽管这本书最初一些章节是介绍性的，但从统计学的第一篇文章的意义上来说，它绝对不是初级的。本书中使用的数学知识包括基本概率和统计学、初等微积分和线性代数。
文末付本书完整pdf下载地址。
第一章对概率符号进行了回顾。这本书假设读者已经学习过一些概率、统计和线性代数方面的基础知识。仅仅写一篇介绍性的文章会让许多读者只对概念要素有所了解，但除了贝叶斯方法与标准的非贝叶斯分析基本一致的那些应用之外，却没有指导他们去尝试真正的实际应用。另一方面，我们认为如果不首先从数据分析的角度介绍基本概念，马上就提出一些前沿的应用算法，这是错误的。
此外，由于应用统计学的性质，如果没有从实际应用中提取的各种工作实例，关于当前贝叶斯方法的讲解将是不完整的。为了避免弄乱主要的叙述，在每一章的结尾都有书目注释，在书的结尾有参考文献。真正的统计分析的例子出现在整本书里，我们希望因此呈现一个完整的叙述加应用的完整概念。
事实上，鉴于贝叶斯方法在概念上的简单性，只有在复杂的具体应用中才会产生新奇感。在上个世纪的大部分时间里，非贝叶斯方法主导着统计理论和实践，但在过去的几十年里，贝叶斯方法又出现了。这更多是由新计算技术的可用性驱动的，而不是由许多人认为的贝叶斯思维的理论和逻辑优势驱动的。
本书目录
本书内容节选
本书免费pdf下载地址
微信公众号“深度学习与NLP”回复关键字“bys20”获取下载地址。
扫描下方二维码可以订阅哦！
DeepLearning_NLP
深度学习与NLP
