Les «modèles graphiques probabilistes» de Koller conviennent-ils comme manuel? Ou existe-t-il un autre livre qui est plus recommandable comme manuel pour un master-course?
Avis de non-responsabilité: publié sur quora.com, où je n'ai reçu aucune réponse.
references
bayesian-network
lmsasu
la source
la source
Réponses:
Oui, il est écrit comme tel et contient des exemples de questions, pour lesquelles vous pouvez demander les réponses ici
Vous pouvez également consulter la reconnaissance des formes et l'apprentissage automatique par Chris Bishop et la théorie de l'information, les algorithmes d'inférence et d'apprentissage par David MacKay, qui peuvent également être téléchargés gratuitement . Ces deux aspects couvrent certains aspects des modèles graphiques et donnent un aperçu général des méthodes probabilistes.
la source
J'ai passé un peu de temps à lire les deux premiers chapitres de Koller & Friedman, et je n'en étais pas satisfait comme texte d'introduction. À plusieurs reprises, le livre donne un exemple motivant, mais cet exemple ne peut être compris sans des informations générales plus loin dans le chapitre. Ce genre d'exposition ne fonctionne pour moi que si l'exemple dit explicitement quel matériel à venir sera pertinent; sinon, les exemples ne sont que de la magie incompréhensible.
Cela dit, c'est un tome lourd, et probablement une excellente référence pour les pratiquants.
Un étudiant pourrait avoir plus de chance avec Napolitain, "Learning Bayesian Networks".
la source
Je préférerais le livre Graphical Models de Steffen L. Lauritzen, et sa conférence à Oxford .
la source