teorema redes ppt machine learning clasificador bayesiano bayesianas bayes machine-learning bayesian-networks

machine-learning - ppt - redes bayesianas python



Tutorial de redes bayesianas (8)

Para un principiante, ¿cuál es el mejor libro para comenzar a estudiar Bayesian Networks?

Este libro en línea me ha sido extremadamente útil en todos los aspectos del aprendizaje automático, incluida la inferencia bayesiana:

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

Concedido que está familiarizado con la teoría de la probabilidad básica, es un gran recurso.

Mitchell''s Machine Learning es una guía muy importante en el área de la inteligencia artificial. Cubre Bayesian Networks, dedicando, según recuerdo, un capítulo entero.

También verificaría la clase Weka''s Bayesian Network para entender una implementación práctica. Si no sabe acerca de Weka, compruébelo aquí: http://www.cs.waikato.ac.nz/ml/weka/

El razonamiento probabilístico de Pearl en 1988 en Intelligent Systems es uno de los trabajos más citados en Bayesian Networks. Lo encontré bastante claro. Dicho esto, se ha hecho mucho en este campo desde 1988. Sería sensato complementar este libro con trabajos más recientes.

Todos los libros mencionados hasta ahora son bastante buenos. Por lo general, se considera que Pearl es un poco difícil de seguir, también es bastante caro, pero si puedes manejarlo, todo el poder para ti.

Realmente te recomiendo que revises el libro de Chris Bishop, Pattern Recognition and Machine Learning . Creo que es de lejos el mejor tratamiento que obtendrás de los modelos gráficos en un libro de texto, al menos hasta que Michael Jordan termine y publique su libro sobre el tema.

Un buen libro sobre aprendizaje automático general es 1 . Pero es bastante ligero en BN. No he leído [2], pero he leído [3] por él, lo cual es bueno (por lo tanto, [2] es probable que sea bueno según lo recomendado por dwf). ¡No recomendaría el libro de Pearl a menos que estés haciendo tu doctorado!

Sin embargo, en realidad recomendaría el tutorial en línea " Una breve introducción a los modelos gráficos y las redes bayesianas " de Kevin Murphy [4]. La mejor forma de aprender BN es leer esto, descargar su caja de herramientas Matlab [5] y construir su propio BN en diez minutos.

  1. Clasificación de patrones por Duda / Hart / Stork
  2. Reconocimiento de Patrones y Aprendizaje Automático por Chris Bishop
  3. Redes neuronales para el reconocimiento de patrones por Chris Bishop
  4. http://www.cs.ubc.ca/~murphyk/Bayes/bnintro.html
  5. Bayes Net Toolbox para Matlab

Los mejores profesores en este campo son, desde mi punto de vista, estos 2 tipos: enlace de texto Ng. Andrew y enlace texto Prof. Pallab Dasgupta.

He estado viendo todos sus tutoriales en BBN y fueron muy útiles. Solo tienes que seguir los enlaces y encontrarás más charlas sobre IA con estos 2 tipos interesantes.

Diviértete aprendiendo con ellos, Mike

Recomendaría "Probabilistic Graphical Models" de Daphne Koller y Nir Friedman. Es un excelente manual de principiante a intermedio tanto en modelos gráficos dirigidos (redes bayesianas) como no dirigidos (Markov Networks). Los ejemplos dados son elaborados y fáciles de entender.