Pythonで体験するベイズ推論―PyMCによるMCMC入門

個数:
電子版価格 ¥3,520
  • 電書あり

Pythonで体験するベイズ推論―PyMCによるMCMC入門

  • ウェブストアに1冊在庫がございます。(2021年10月16日 15時39分現在)
    通常、ご注文翌日~2日後に出荷されます。
  • 出荷予定日とご注意事項
    ※上記を必ずご確認ください

    【ご注意事項】 ※必ずお読みください
    ◆在庫数は刻々と変動しており、ご注文手続き中に減ることもございます。
    ◆在庫数以上の数量をご注文の場合には、超過した分はお取り寄せとなり日数がかかります。入手できないこともございます。
    ◆事情により出荷が遅れる場合がございます。
    ◆お届け日のご指定は承っておりません。
    ◆「帯」はお付けできない場合がございます。
    ◆特に表記のない限り特典はありません。
  • ●店舗受取サービス(送料無料)もご利用いただけます。
    ご注文ステップ「お届け先情報設定」にてお受け取り店をご指定ください。尚、受取店舗限定の特典はお付けできません。詳細はこちら
  • サイズ A5判/ページ数 272p/高さ 23cm
  • 商品コード 9784627077911
  • NDC分類 417.034
  • Cコード C3041

出版社内容情報

PyMCでMCMCを実践し,結果を見ながら読み進められる,実用的なベイズ推論の入門書.◆Pythonモジュール「PyMC2」初の解説書
「PyMC」は,NumPy,SciPy,Matplotlibなどのツールとも高い親和性をもつ,MCMC(マルコフ連鎖モンテカルロ法)を用いたベイズ推論のためのPythonモジュールです.こうしたツールの登場により,これまで敷居の高かったベイズ推論を用いたデータ解析は,ますます実用性を高めています.

◆MCMCを動かしながら体得! ――ベイズ推論の新しい学び方
ベイズ推論をデータ分析で実践するまでには,従来は「ベイズ統計の基礎を学ぶ」 →「高度な計算手法の原理と実装法を学ぶ」→「コードを書いて実データを解析する」というステップが必要でした.しかしPyMCを使えば,このプロセスを大幅に短縮し,「いきなりMCMCを走らせる」→「結果を見ながらベイズ推論のエッセンスを学ぶ」という,効率的かつ実用的な学習法が実現します.Jupyter NotebookでのPythonコードが多数掲載された本書は,その格好の手引きです.

??本書を読めばわかること??
・ベイズ推論とはなにか,他の統計的推論との違い
・統計モデルをPyMCで実装する方法
・MCMCの考え方と威力
・損失関数の選び方・使い方
・事前分布の選び方と,サンプルサイズによる影響
・ベイズ主義的なA/Bテストの実践方法

第1章 ベイズ推論の考え方
第2章 PyMCについてもう少し
第3章 MCMCのなかをのぞいてみよう
第4章 偉大な定理,登場
第5章 損失はおいくら?
第6章 事前分布をハッキリさせよう
第7章 ベイズA/Bテスト

キャメロン・デビッドソン=ピロン[キャメロンデビッドソンピロン]

玉木 徹[タマキトオル]
広島大学 准教授 博(工)

内容説明

PythonでMCMCを走らせれば、ベイズ推論のエッセンスが見えてくる。プログラミングを通して学ぶ、ベイズ推論の新しい入門書。実践的なPythonコードを多数掲載。

目次

第1章 ベイズ推論の考え方
第2章 PyMCについてもう少し
第3章 MCMCのなかをのぞいてみよう
第4章 偉大な定理、登場
第5章 損失はおいくら?
第6章 事前分布をハッキリさせよう
第7章 ベイズA/Bテスト

著者等紹介

デビッドソン=ピロン,キャメロン[デビッドソンピロン,キャメロン] [Davidson‐Pilon,Cameron]
応用数学を専門とし、扱う分野は遺伝子や病気の進化的ダイナミクスから金融商品価格の確率モデリングまで多岐にわたる。カナダのオンタリオ州ゲルフで育ち、ウォータールー大学とモスクワ自由大学で学んだ。現在はカナダのオンタリオ州オタワ在住、eコマースプラットフォームを提供する企業Shopifyに勤務

玉木徹[タマキトオル]
2001年名古屋大学大学院工学研究科博士課程後期課程修了。新潟大学工学部助手。2003年新潟大学自然科学研究科助手。2005年広島大学大学院工学研究院准教授。博士(工学)(本データはこの書籍が刊行された当時に掲載されていたものです)
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。

感想・レビュー

※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。

伊藤 嵩大

2
本書で使われているPyMCは、PyMC2。AnacondaではPyMC2(ライブラリの名前は数字なしのpymc)が存在しないのかな?見つからなかったので、Anacondaでつくった環境ににpipのpymcを混ぜて使おうとしたら、よくわからないエラーでダウンロードできなかった。3の方で同じ動作を再現しつつ書いてたけど、時間を食いすぎる。///①Anaconda環境にこだわっていて、②たぶん本書で触れない階層ベイズモデリングが今の目標で、③PyMC3を使いたい、ので見切りをつけた。統計はRの方が強いのかな。2021/02/09

Sean

2
MCMCのコーディング部分を学ぶ。他にもいくつか、MCMCの利用上重要な概念も書いてあってそこは有用。 でも基本理論は記載していないので別の書籍で学ぶ必要がある。2019/05/13

もるもる

1
Pythonの基礎知識がまったくなかったため、なんとなくで流し読みしてしまった。一方、ベイズ推論についても特段の説明があるわけではないので、双方の基礎を先におさえてから読まれたし。2018/06/18

takoroy

1
以前仕事でPyMC3を使ったことがあったが、何点か理解が曖昧なまま使っていたことがあったため、その確認のために読んだ。例が豊富で、いくつかは自分でも試してみようと思った。少し面白かったのは、2章で紹介されているプライバシーアルゴリズム。よく考えられている調査手法で、真似してみたいと思った。 一つだけ残念なのが、PyMC2を対象とした記述となっていること。とはいえ、PyMC3版のソースコードはgithubに載っているので、そちらを参照する。2018/02/15

kibo35@FEH

1
Pythonによるベイズ推論を学んだ。確率質量関数と確率密度関数の違いがわかった。事前分布とデータから、マルコフ連鎖モンテカルロ法(MCMC)でパラメータをサンプリングし、事後分布をえる。MCMCにはPyMCを使用する。事後分布をながめると(平均だけ見るより)慎重な意思決定ができる。「任意の損失関数の期待損失値」「事後確率のパーセンタイル値」などを意思決定につかえる。本文には、ベイズ行動、ベイズ多碗バンデイット、ベイズA/Bテストの例がある。2017/05/03

外部のウェブサイトに移動します

よろしければ下記URLをクリックしてください。

https://bookmeter.com/books/11631170

ご注意
リンク先のウェブサイトは、株式会社ブックウォーカーの提供する「読書メーター」のページで、紀伊國屋書店のウェブサイトではなく、紀伊國屋書店の管理下にはないものです。
この告知で掲載しているウェブサイトのアドレスについては、当ページ作成時点のものです。ウェブサイトのアドレスについては廃止や変更されることがあります。
最新のアドレスについては、お客様ご自身でご確認ください。
リンク先のウェブサイトについては、「株式会社ブックウォーカー」にご確認ください。