概率图模型结合了概率论和图论的知识，提供了一种简单的方法来可视化概率模型。 在人工智能、机器学习、计算机视觉等领域具有广阔的应用前景。 本书旨在帮助读者学习使用概率图模型，了解计算机如何使用贝叶斯模型和马尔可夫模型来解决现实问题，并教会读者选择合适的R语言包、合适的算法来准备数据和建模。 本书适合各行业数据科学家、机器学习爱好者和工程师阅读和使用。
【推荐】
什么是概率图？ 概率模型可视化的方法有利于新模型的设计和开发，广泛应用于人工智能、机器学习和计算机视觉领域。 读者可以从这本书中学到什么？ ·理解概率图模型的概念，针对具体问题选择特定的概率图模型。 ·调整模型参数，自动发现新模型。 · 由简单到复杂，逐步理解贝叶斯模型的基本原理。 · 将标准线性回归模型转换为强大的概率图形模型。 · 了解当今工业中广泛使用的模型。 • 使用推理和近似推理算法计算后验概率分布。 本书是市面上基于R语言的概率图书。 异步社区提供支持代码下载和 URL。
【作者】
David 是法国国家信息学与自动化研究所 (INRIA) 的计算机科学博士，研究领域为贝叶斯机器学习。 他还是加州大学伯克利分校的博士后研究员，曾就职于英特尔、电信和巴克莱等公司。 他现在在金融行业工作，利用机器学习技术开发金融市场的预测算法，同时也是 Boost C 库等源项目的贡献者。 译者简介：魏波，智诺维斯（北京）基因科技有限公司高级算法工程师。毕业于武汉大学数学系，获学士学位，博士。 中国科学院数学与系统科学研究院计算机软件与理论专业博士。 曾任*优酷事业部视频搜索算法专家、奥普拉软件技术（北京）有限公司新闻推荐高级算法工程师。 长期专注于用户需求建模、行为建模和自动推理。 数据挖掘、机器学习和数据可视化爱好者，尤其热衷于海量数据中用户视角和用户行为模式的描述和推理，以及自然语言处理问题。
