大家好 今天，我们想问一问，您如何找到稍微过时的书“
针对黑客的贝叶斯方法 ”（
Bayesian Methods for Hackers ），该书于2015年出版，但尚未翻译成俄文。
该书的定位与应用一样，尽可能摆脱数学和不朽之举。
删节后是作者在Github上发布的这本书的评论的略微翻译。
请投票
贝叶斯方法是自然得出逻辑结论的方法，但是，在许多有关该主题的书中，贝叶斯方法的本质完全被痛苦的数学分析的整个章节所取代。 一本典型的有关贝叶斯理论的书以关于概率论的两到三章开始，然后讲述贝叶斯的结论是什么。 不幸的是，由于不可能用数学语言表示大多数贝叶斯模型，因此仅向读者显示了简单的人工示例。 因此，一个人可能会有一种想象中的印象，即据称他理解贝叶斯结论-而实际上，他只是学会了作者对该方法的解释。
在贝叶斯方法在机器学习竞赛中显然很成功之后，我决定重新探讨这个话题。 即使带着我的数学包，我花了整整三天的时间研究示例，并试图将所有片段放在一起以处理所有方法。 为了将理论付诸实践，我根本没有足够的文献资料。 之所以引起这种误解，是因为我无法弥合贝叶斯数学与概率编程之间的鸿沟。 因此，我遭受了苦难，我想使读者免于这种苦难。 这就是为什么我自己写这样的书的原因。
如果贝叶斯结论是我们的目标，那么数学分析只是达到它的途径之一。 另一方面，计算能力现在变得便宜得多，我们可以使用另一种方法，即概率编程。 第二种选择更为方便，因为它不需要在解决问题的所有阶段都求助于数学，换句话说，它使您无需进行数学分析即可完成工作，而这往往是贝叶斯结论不可逾越的障碍。 形象地说，在第二种情况下，我们以小破折号从头到尾移动，而在第一种情况下，为大跳折，因此，我们可以从目标降落很远。 此外，如果没有认真的数学准备，读者可能根本无法应对第一种选择的分析。
《贝叶斯黑客方法》一书被认为是贝叶斯结论的简介，重点是理解关键概念和计算能力的使用（数学是次要的）。 当然，这本书是介绍性的，它将继续保持介绍性。 对于那些精通数学的人来说，它可以简单地激发好奇心，然后在认真的数学分析的支持下将其开放给其他教科书。 对于那些对贝叶斯方法的实际应用而不是其数学背景感兴趣的发烧友，这本书将是非常有益和有趣的。
在本书中选择PyMC作为概率编程的原因有两个。 在撰写本文时，Internet上没有集中的资源，没有有关PyMC生态系统中工作方法的示例和解释。 官方文档假定读者已经对贝叶斯推理和概率编程有所了解。 我们希望这本书会鼓励有任何准备水平的读者仔细阅读PyMC。
使用PyMC时，必须考虑依赖关系，即SciPy的NumPy（根据情况）。 为了不限制读者，本书中的示例仅使用PyMC，NumPy，SciPy和Matplotlib。
目录内容（下面列出的章节显示在nbviewer.ipython.org的nbviewer中，是只读的并且实时打开。可以通过克隆下载交互式笔记本和示例！）
- 序言 ：为什么这样做。
- 第1章 ：贝叶斯方法简介。 熟悉贝叶斯方法的哲学和实践，这是关于概率编程的故事。 一些例子：
人类行为的变化-基于发送SMS频率的结论。
- 第2章 ：有关PyMC的更多信息我们将使用将使用PyMC库（Python）的示例讨论贝叶斯问题的建模。 如何创建贝叶斯模型？ 示例包括：
- 计算挑战者号航天飞机坠毁的可能性
- 第3章 ：打开MCMC黑盒让我们讨论一下MCMC和诊断工具的工作方式。 示例包括：
- 以混合模型为例的贝叶斯聚类
- 第4章 ：您从未在这里谈论过的最伟大的定理我们将探索一个非常有用和危险的定理：大数定律。 示例包括：
- Kaggle数据集研究和天真的分析的陷阱
- 如何按从最好到最坏的顺序对Reddit中的评论进行排序（这并不像您想的那么简单）
- 第5章 ：您宁愿放弃什么-手或脚？ 熟悉损失函数及其在贝叶斯方法中的应用（无与伦比）。 示例包括：
- 优化财务预测
- Kaggle黑暗世界获奖竞赛解决方案
- 第六章 ：优先事项的澄清。 也许是最重要的一章。 在这里，我们根据专家的意见回答问题。 示例包括：
- 多臂匪徒和贝叶斯解决方案。
- 样本数量与先验数据之间有什么关系？
- 使用专家先验数据评估财务未知数。
- 在这里，您还将找到有关分析中的客观性和与先验概率相关的常见陷阱的宝贵提示。
安装与配置如果要在本地计算机上运行IPython记事本，则需要安装以下内容：
- IPython 0.13-查看ipynb文件需要。 您可以在此处下载。
- Linux用户可以轻松安装Numpy，Scipy和PyMC。 对于Windows用户，如果您突然遇到任何困难，则有预编译的版本 。
在样式/目录中，有许多文件适合与记事本一起使用。 它们不仅是为本书专门设计的，而且还针对使用matplotlib和IPython进行了特别优化。