专栏首页新智元图灵奖得主推荐新书:图模型手册(500页PDF下载)

图灵奖得主推荐新书:图模型手册(500页PDF下载)

新智元推荐

来源:专知(ID: Quan_Zhuanzhi)

【新智元导读】图灵奖获得者 Judea Pearl 在 Twitter 推荐了一本新书《图模型手册》,这本书很好地刻写了图模型领域自 20 世纪 80 年代成立以来是如何发展的。

图灵奖获得者 Judea Pearl 在 Twitter 推荐了一本新书《图模型手册》,他认为,这本书很好地刻写了图模型领域自 20 世纪 80 年代成立以来是如何发展的。由顶级统计学家编写,它可以作为传统统计学家很好的一个介绍因果模型的材料。

这本书总共 546 页 pdf,由苏黎世联邦理工学院、华盛顿大学、加州伯克利分校、哥本哈根大学四位教授主编,以及有 30 多位统计学家合作编著完成。

https://stat.ethz.ch/~maathuis/papers/

图模型手册

前言:

图模型是与图相关联的统计模型。图中的节点对应感兴趣的随机变量,并且边缘编码变量之间允许的条件依赖关系。基于图模型的因数分解特性使多元分布的计算更加方便,使模型在大量应用中成为一个有价值的工具。此外,有向图模型承认直观的因果解释,并已成为因果推理的基石。

虽然有许多关于图模型的优秀书籍,但是这个领域已经发展得如此之多,以至于个别作者几乎无法涵盖它的全部范围。此外,这一领域的性质是跨学科的,有许多学科的重要贡献,包括统计学、计算机科学、电子工程、生物学、数学和哲学。

通过从这些不同领域的前沿研究人员的章节,这本手册提供了一个广泛的和可访问的技术状态概述。

全书共有二十一章,分为五个部分:

一、条件独立性与马尔可夫性质

二、用因子分布计算

三、统计推断

四、因果推论

五、应用

第一部分回顾了图模型的基础。它讨论了图如何编码随机变量之间的条件独立性,或者等价地,变量联合分布的因式分解。第二部分的主题是如何基于给定图模型的联合分布执行有效的计算,特别是通过利用相关的因子分解属性。在第三部分,本书的重点转移到统计推断的问题,如从现有的数据学习图表和估计相关参数。第四部分是有向无环图的因果解释。相应的章节回顾了因果推理的图形化方法的基本概念,并讨论了统计方面的问题,如学习 a 方向数据的非循环图。最后,第五部分介绍了图模型在法医学和生物学中的应用。

第一部分是本书的基础。其余部分 II 到 V 可以独立阅读,而章节之间的交叉引用突出了连接。本章的主题范围从解释基本概念的水平,这是适合新人的描述最近的发展或原始研究。因此,本书面向广泛的读者,包括统计学、数学和计算机科学的研究生、应用研究中图形模型的用户,以及图形模型方面的专家。最重要的是,我们希望这本书将在这个令人兴奋的领域引发进一步的研究。

我们衷心感谢所有作者的宝贵贡献,感谢 Rob Calver 和 Lara Spieker 对我们的帮助和指导的过程。

Marloes Maathuis

ETH Zurich

Mathias Drton

University of Washington

Steven Lauritzen

University of Copenhagen

Martin Wainwright

University of California, Berkeley

图书目录:

引用参考:

M. Maathuis, M. Drton, S. Lauritzen and M. Wainwright (Eds) (2019). Handbook of Graphical Models. Chapman&Hall/CRC Handbooks of Modern Statistical Methods. CRC Press, Boca Raton, FL. ISBN: 978-1-4987-8862-5.

下载地址:

https://stat.ethz.ch/~maathuis/papers/Handbook.pdf

本文分享自微信公众号 - 新智元(AI_era)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-09-29

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 机器学习模型出错的四大原因及如何纠错

    【新智元导读】本文介绍了机器学习模型出错的常见原因, 讨论了如何用偏差和方差、精确率和召回率这些指标来评测模型的问题,并基于 Andrew Ng 在斯坦福机器学...

    新智元
  • DeepMind:实现通用语言智能我们还缺什么?

    2014年11月,那时候还没有被广泛认知为“深度学习教父”的Geoffrey Hinton,在国外网站Reddit回答网友提问的活动“AMA” (Ask Me ...

    新智元
  • 揭穿AI竞赛真实面目!各种冠军模型根本没用,Kaggle受益者挺身反驳

    围绕该数据集,北美放射学会(RSNA)发布了一场Kaggle竞赛,有人在Twitter搞了个小投票:

    新智元
  • 【技术】如果我告诉你数据库索引是可以学习的,你会怎么做?

    ? 这篇论文是我在NIPS中看到的,在过去的几天里,在ML的圈子里得到了相当多的关注。论文中反复强调:在他们的心里,数据库索引是模型。它们可能不(通常)是有统...

    AiTechYun
  • 分析了自家150个ML模型之后,这家全球最大的旅行网站得出了6条经验教训

    「150 successful Machine Learning models: 6 lessons learned at Booking.com」是一篇绝佳的...

    机器之心
  • 分析Booking的150种机器学习模型,我总结了六条成功经验

    本文是一篇有趣的论文(150 successful machine learning models: 6 lessons learned at Booking....

    AI科技大本营
  • 冠状病毒时代下的AI

    冠状病毒是2020年的“黑天鹅”。这种病毒首次出现,不仅是一个出人意料的极端异常事件,而且人类试图控制这种病毒的反应也在世界各地的医疗、商业、金融、零工经济、信...

    磐创AI
  • 如何使用Keras集成多个卷积网络并实现共同预测

    在统计学和机器学习领域,集成方法(ensemble method)使用多种学习算法以获得更好的预测性能(相比单独使用其中任何一种算法)。和统计力学中的统计集成(...

    企鹅号小编
  • 数学建模如何诱骗了华尔街

    现实世界——从种族隔离制度到金融市场——一直在警示我们:那些试图通过科技来掌握复杂人类行为的做法会使我们误入歧途。 无论是在科学领域,还是在日常生活中,我们都...

    钱塘数据
  • [转载]深度学习技术在文本数据智能处理中的实践

    人工智能目前的三个主要细分领域为图像、语音和文本,老师分享的是达观数据所专注的文本智能处理领域。文本智能处理,亦即自然语言处理,试图让机器来理解人类的语言,而语...

    流川枫

扫码关注云+社区

领取腾讯云代金券