Bayes-Netzwerke Tutorial [geschlossen]

Question

Für einen Anfänger, die das beste Buch mit für das Studium Bayesian Networks zu starten ist?

Answer 1

würde ich "Probabilistic Graphical Models" von Daphne Koller und Nir Friedman empfehlen. Es ist ein ausgezeichnetes Starter-to-Intermediate-Handbuch auf beide gerichtet (Bayesian Networks) und ungerichteten (Markov Networks) graphische Modelle. Die angeführten Beispiele sind aufwendig und leicht zu verstehen.

Answer 2

Ein gutes Buch über die allgemeine maschinelles Lernen ist 1 . Aber es ist ganz leicht auf BN. Ich habe nicht [2], aber ich habe [3] von ihm, was gut ist (so, [2] ist wahrscheinlich gut sein wie von DWF empfohlen). Ich würde überhaupt nicht Pearls Buch empfehlen, wenn Sie Ihre Ph.D tun.

Allerdings würde ich tatsächlich das Online-Tutorial empfehlen " Eine kurze Einführung in Graphical Models und Bayesian Networks " von Kevin Murphy [4]. Der beste Weg, BN zu lernen, ist dies zu lesen, lädt seine Matlab Toolbox [5] und bauen Sie Ihre eigenen BN in zehn Minuten.

1. Muster Klassifizierung von Duda / Hart / Storch
2. Mustererkennung und Maschinelles Lernen von Chris Bishop
3. Neuronale Netze für Mustererkennung von Chris Bishop
4. http://www.cs.ubc.ca/~murphyk/ Bayes / bnintro.html
5. Bayes Net Toolbox für Matlab

Answer 3

Sie sollten prüfen für AI (Artificial Intelligence) Bücher. Ich habe erfahren, Bayesian in Künstliche Intelligenz "Ein moderner Ansatz ".

Answer 4

Dieses Online-Buch ist in allen Aspekten des maschinellen Lernens für mich sehr hilfreich, darunter Bayes-Inferenz:

http://www.inference.phy.cam .ac.uk / mackay / itila / book.html

Zugegeben Sie sind vertraut mit grundlegender Wahrscheinlichkeitstheorie, es ist eine große Ressource.

Answer 5

Alle bisher genannten Bücher sind ziemlich gute. Pearl ist als ein bisschen schwer zu allgemein betrachtet zu folgen, es ist auch ziemlich teuer, aber wenn man es einrichten kann, die ganze Macht zu Ihnen.

Ich würde wirklich wirklich empfehlen Sie überprüfen Chris Bishop Buch Mustererkennung und Maschinelles Lernen . Ich denke, es ist bei weitem der beste Behandlung Sie gehen von graphischen Modellen in einem Lehrbuch bekommen, zumindest bis Michael Jordan beendet und veröffentlicht sein Buch über das Thema.

Answer 6

Die besten Professoren in diesen Feldern sind von meiner Sicht dieser 2 Männer: link text Ng. Andrew und Link-Text Prof. Pallab Dasgupta.

Ich habe beobachtet alle Tutorials auf BBN und sie waren sehr usefull.Just den Links folgen, und werden Sie mehr AI Vorträge mit diesen 2 interessant Leuten finden.

Haben Sie Spaß mit ihnen zu lernen, Mike

Answer 7

Pearl 1988 Probabilistic Reasoning in Intelligent Systems ist derjenige, der am häufigsten zitierten Arbeiten auf Bayesian Networks. Ich fand es ganz klar. Das heißt, hat sich eine Menge im Bereich seit 1988 geschehen ist es klug wäre, mit neueren Arbeiten dieses Buch zu ergänzen.

Answer 8

Mitchell Machine Learning ist ein extrem wichtiger Primer im Bereich der KI. Es umfasst Bayesian Networks, zu widmen, wie ich mich erinnere, ein ganzes Kapitel zu.

Ich würde auch überprüfen Bayes-Netzwerk-Klasse Weka eine praktische Implementierung zu verstehen. Wenn Sie nicht über Weka wissen, es hier: http: // www .cs.waikato.ac.nz / ml / weka /