1장 베이지안 추론의 철학
__1.1 서론
____1.1.1 베이지안 심리 상태
____1.1.2 실제 베이지안 추론
____1.1.3 빈도주의자의 방법이 틀렸나?
____1.1.4 빅데이터에 대한 논의
__1.2 베이지안 프레임워크
____1.2.1 예제: 피해갈 수 없는 동전 던지기
____1.2.2 예제: 사서일까, 농부일까?
__1.3 확률분포
____1.3.1 이산적인 경우
____1.3.2 연속적인 경우
____1.3.3 그럼 λ란 무엇인가?
__1.4 컴퓨터를 사용하여 베이지안 추론하기
____1.4.1 예제: 문자 메시지 데이터에서 행동 추론하기
____1.4.2 우리의 첫 번째 망치를 소개한다: PyMC
____1.4.3 해석
____1.4.4 사후확률분포에서 얻은 표본에는 어떤 좋은 점이 있는가?
__1.5 결론
__1.6 부록
____1.6.1 두 λ가 정말 다른지 통계적으로 알 수 있나?
____1.6.2 변환점 두 개로 확장하기
__1.7 연습문제
____1.7.1 해답
__1.8 참고자료
2장 PyMC 더 알아보기
__2.1 서론
____2.1.1 부모와 자식 관계
____2.1.2 PyMC 변수
____2.1.3 모델에 관측 포함하기
____2.1.4 마지막으로
__2.2 모델링 방법
____2.2.1 같은 스토리, 다른 결말
____2.2.2 예제: 베이지안 A/B 테스트
____2.2.3 간단한 예제
____2.2.4 A와 B를 묶어 보기
____2.2.5 예제: 거짓말에 대한 알고리즘
____2.2.6 이항분포
____2.2.7 예제: 학생들의 부정행위
____2.2.8 PyMC 대안 모델
____2.2.9 더 많은 PyMC 기법들
____2.2.10 예
[이 책의 내용]
1장 베이지안 방식으로 생각하기
2장 PyMC로 베이지안 모델링 시작하기
3장 MCMC로 알고리즘 수렴 여부 간파하기
4장 베이지안 추론에서 표본 크기 이해하기
5장 손실함수로 추론이 틀릴 확률 계산하기
6장 적절한 사전확률분포 고르기
7장 A/B 테스트에서 베이지안 추론 사용하기
[저자 서문]
베이지안 방법은 자연스러운 추론 방법이지만, 내용이 따분하고 수학적인 분석으로 가득 차 있어 독자와 거리가 멀다. 전형적인 베이지안 추론 책에서는 확률 이론이 2~3개 장 분량으로 나온 다음 베이지안 추...
[이 책의 내용]
1장 베이지안 방식으로 생각하기
2장 PyMC로 베이지안 모델링 시작하기
3장 MCMC로 알고리즘 수렴 여부 간파하기
4장 베이지안 추론에서 표본 크기 이해하기
5장 손실함수로 추론이 틀릴 확률 계산하기
6장 적절한 사전확률분포 고르기
7장 A/B 테스트에서 베이지안 추론 사용하기
[저자 서문]
베이지안 방법은 자연스러운 추론 방법이지만, 내용이 따분하고 수학적인 분석으로 가득 차 있어 독자와 거리가 멀다. 전형적인 베이지안 추론 책에서는 확률 이론이 2~3개 장 분량으로 나온 다음 베이지안 추론이 무엇인지 전개된다. 안타깝게도 대부분의 베이지안 모델은 수학적으로 다루기 어려워 독자에게는 간단하고 인위적인 예제만 제시된다.
최근 기계학습 경쟁에서 베이지안 방법이 성공을 거둔 이후 나는 이 주제를 다시 연구해보기로 마음먹었다. 수학적 지식이 있음에도 불구하고 예제를 읽고 단편적인 지식들을 합쳐 베이지안 방법을 이해하는 데 꼬박 사흘이 걸렸다. 이론을 실무로 이어주는 문헌이 충분하지 못했기 때문이다. 내가 잘못 이해했던 이유는 베이지안 수학과 확률 프로그래밍 사이가 연결되지 않아서였다. 내가 겪었던 것을 독자는 겪을 필요가 없을 거라고 생각한다. 이 책이 그 간극을 메워줄 것이다.
은 컴퓨터를 이용한 이해가 최우선이고, 수학은 그 다음이라는 관점으로 설계된 베이지안 추론 입문서다. 수학에는 관
