本节书摘来自异步社区《贝叶斯方法：概率编程与贝叶斯推断》一书中的第1章，第1.5节，作者 【加】Cameron Davidson-Pilon（卡梅隆 戴维森-皮隆），更多章节内容可以访问云栖社区“异步社区”公众号查看
1.5结论
这一章介绍了频率派和贝叶斯派对概率的解释的差别。同时我们也学到了两个重要的分布：Poisson分布和指数分布。这是今后我们构建更多贝叶斯模型的两块重要基石，就像我们在短信接收例子中所做的那样。在第2章中，我们会探讨更多的建模和PyMC策略。
《贝叶斯方法：概率编程与贝叶斯推断》一1.5结论
2017-05-02
1815
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
目录
相关文章
|
6月前
|
算法
|
定位技术
计算与推断思维 二、因果和实验
二、因果和实验
原文：Causality and Experiments
译者：飞龙
协议：CC BY-NC-SA 4.0
自豪地采用谷歌翻译
“这些问题已经，而且可能永远留在自然界难以捉摸的秘密之中，它们属于人类智力根本难以接近的一类问题。
1066
0
0
《贝叶斯方法：概率编程与贝叶斯推断》——1.5结论
1259
0
0
《贝叶斯方法：概率编程与贝叶斯推断》——1.6 补充说明
1545
0
0
《贝叶斯方法：概率编程与贝叶斯推断》一1.6 补充说明
1379
0
0
《贝叶斯方法：概率编程与贝叶斯推断》一1.8答案
1505
0
0
《贝叶斯方法：概率编程与贝叶斯推断》——1.8答案
1505
0
0
|
Python
算法
机器学习/深度学习
《贝叶斯方法：概率编程与贝叶斯推断》一导读
贝叶斯方法是一种常用的推断方法，然而对读者来说它通常隐藏在乏味的数学分析章节背后。关于贝叶斯推断的书通常包含两到三章关于概率论的内容，然后才会阐述什么是贝叶斯推断。不幸的是，由于大多数贝叶斯模型在数学上难以处理，这些书只会为读者展示简单、人造的例子。
2289
0
0
|
Python
安全
《贝叶斯方法：概率编程与贝叶斯推断》——1.2 我们的贝叶斯框架
2696
0
0
|
Python
安全
《贝叶斯方法：概率编程与贝叶斯推断》一1.2 我们的贝叶斯框架
1554
0
0