Python贝叶斯分析

本书介绍了贝叶斯统计中的主要概念，以及将其应用于数据分析的方法。本书采用编程计算的实用方法介绍了贝叶斯建模的基础，使用一些手工构造的数据和一部分简单的真实数据来解释和探索贝叶斯框架中的核心概念，然后在本书涉及的模型中，抽象出了线性模型用于解决回归和分类问题，此外还详细解释了混合模型和分层模型，并单独用一章讨论了如何做模型选择，还简单介绍了非参模型和高斯过程。

本书所有的贝叶斯模型都用PyMC3实现。PyMC3是一个用于概率编程的Python库，其许多特性都在书中有介绍。在本书和PyMC3的帮助下，读者将学会实现、检查和扩展贝叶斯统计模型，从而解决一系列数据分析的问题。

从本书你将学到：

从实用的角度理解基本的贝叶斯概念；

学习如何用PyMC3构建概率模型；

掌握检查和修改模型的技能；

利用分层模型的优势给模型加入结构；

针对不同的数据分析问题，找到合适的模型；

学会在不确定的情况下做模型选择；

用回归分析预测连续变量，用逻辑回归或softmax做分类；

学习如何从概率的角度思考，释放贝叶斯框架的灵活性与力量。