Learning Probabilistic Graphical Models in R

This book is for anyone who has to deal with lots of data and draw conclusions from it, especially when the data is noisy or uncertain. Data scientists, machine learning enthusiasts, engineers, and those who curious about the latest advances in machine learning will find PGM interesting.

这是一本专注于概率图模型在R语言中的学习和应用的著作。这本书主要面向数据科学家、机器学习和工程领域的工作者，以及任何对概率论和机器学习的最新进展感兴趣的人。 在这本书中，作者详细介绍了概率图模型的基本概念，包括有向图和无向图，以及如何使用这些图形来表示变量间的概率关系。作者还解释了如何构建概率图模型，包括变量消除算法和联合树算法等计算后验分布的重要算法。 此外，这本书还深入探讨了概率论的基本概念，包括条件概率、概率分布和联合概率分布，以及如何使用Bayes' rule来计算后验概率。作者还解释了贝叶斯主义和频率主义两种解释概率的方式，以及它们在现实生活中的应用。 在介绍完概率图模型的基本概念和概率论的基本概念后，作者详细介绍了如何使用R语言来学习和应用概率图模型。作者详细解释了如何使用R语言中的bnlearn包来构建和推理概率图模型，以及如何使用R语言中的em函数来学习模型的参数。