概率图模型：基于R语言

概率图模型结合了概率论与图论的知识，提供了一种简单的可视化概率模型的方法，在人工智能、机器学习和计算机视觉等领域有着广阔的应用前景。本书旨在帮助读者学习使用概率图模型，理解计算机如何通过贝叶斯模型和马尔科夫模型来解决现实世界的问题，同时教会读者选择合适的R语言程序包、合适的算法来准备数据并建立模型。本书适合各行业的数据科学家、机器学习爱好者和工程师等人群阅读、使用。
【推荐语】
概率图是什么？一种可视化概率模型的方法，有利于设计和发新模型，在人工智能、机器学习和计算机视觉等领域应用广泛。读者可以从本书中学到哪些知识？·理解概率图模型的概念，为特定的问题选取特定的概率图模型。·调整模型参数，自动发现新的模型。·从简单到复杂，逐步理解贝叶斯模型的基本原理。·把标准的线性回归模型转换为强*的概率图模型。·理解当今产业界广泛使用的模型。·使用推断和近似推断算法，计算后验概率分布。本书是市场上基于R语言的概率图图书。异步社区提供配套代码下载，网址http://www.epubit.com.cn/book/details/4893。
【作者】
David Bellot是法国国家信息与自动化研究所（INRIA）计算机科学专业的博士，致力于贝叶斯机器学习。他也是美国加州*学伯克利分校的博士后，为英特尔、Orange电信和巴克莱银行等公司工作过。他现在财经行业工作，使用机器学习技术发财经市场的预测算法，同时也是源项目，如Boost C 库的贡献者。译者简介：魏博，志诺维思（北京）基因科技有限公司高-级算法工程师。本科毕业于武汉*学数学系，博士毕业于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。前*优酷事业部视频搜索算法专家，欧普拉软件科技（北京）有限公司新闻推荐高-级算法工程师。长期关注于用户需求建模、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刻画和推断，以及自然语言处理问题。