无名图书
收藏
Statistical Decision Theory and Bayesian Analysis
James O. Berger
出版社
Springer
出版时间
1993-03-25
ISBN
9780387960982
评分
★★★★★
标签
贝叶斯
机器学习
Statistics
概率论
书籍介绍
这本书最打动人的地方,在于它把统计决策与贝叶斯方法统一在Wald的理论框架之下:估计、假设检验不再是两件事,而是
用户评论
及其经典,感觉相见恨晚。
粗读了一下。与其说是理论还不如说是方法论,看过博弈论后再看此书的决策论部分可能理解会更深刻一些。
补记。Wald的理论框架个人还是很欣赏的,action的定义灵活,可以是对参数的某一种估计规则,也可以是接受或拒绝某一假设,这样就将估计和假设检验的问题放在同一个体系中了。初次接触risk相关定义时,可能会稍感凌乱,实际上梳理起来并不复杂,从单点的loss出发,在样本空间积分,则得到频率派的risk函数。所谓Bayes无非就是按照参数的先验或后验分布在参数空间积分一次,如果action是随机的,则在action空间也可以进行一次积分。根据积分的类别和次数定义相应的数值与函数即可。事实上最优的action与loss的选取关联紧密,不过本书似乎对如何取loss谈得不多,MSE在数学上的便利性可能是原因之一吧。关于博弈论的一些内容很有意思,将原问题转换为几何问题,可惜能求解的情况终究不多。
前面决策论部分写得还不错,历史背景介绍得很清晰,但整书今天看来有其局限性。
主要看了一下前几个章节,第一章的哲学对人启发很大,后面的章节很理论化有时间再看
Springer的其他书籍
查看全部
200 Years of Friedrich Engels
Deepfakes
Ignas Kalpokas, Julija Kalpokiene
Statistical Foundations, Reasoning and Inference: For Science and Data Science
Göran Kauermann, Helmut Küchenhoff, Christian Heumann
Introduction to Linear and Matrix Algebra
Nathaniel Johnston
Studien zur Struktur des Bewusstseins
Edmund Husserl
nternet of Things (IoT)
下载
收藏