【图灵奖得主Judea Pearl推荐新书】图模型(Graphical Models), 571页pdf,带你学习GM和因果推断

2019 年 9 月 26 日 专知

【导读】图灵奖获得者Judea Pearl在Twitter推荐了一本新书《图模型手册》,他认为,这本书很好地刻写了图模型领域自20世纪80年代成立以来是如何发展的。由顶级统计学家编写,它可以作为传统统计学家很好的一个介绍因果模型的材料


这本书总共546页pdf,由苏黎世联邦理工学院、华盛顿大学、加州伯克利分校、哥本哈根大学四位教授主编,以及有30多位统计学家合作编著完成。

https://stat.ethz.ch/~maathuis/papers/


图书便捷下载:

请关注专知公众号(点击上方蓝色专知关注

  • 后台回复“HGM” 就可以获取《图模型手册》图书的下载链接~ 




图模型手册

前言:


图模型是与图相关联的统计模型。图中的节点对应感兴趣的随机变量,并且边缘编码变量之间允许的条件依赖关系。基于图模型的因数分解特性使多元分布的计算更加方便,使模型在大量应用中成为一个有价值的工具。此外,有向图模型承认直观的因果解释,并已成为因果推理的基石。


虽然有许多关于图模型的优秀书籍,但是这个领域已经发展得如此之多,以至于个别作者几乎无法涵盖它的全部范围。此外,这一领域的性质是跨学科的,有许多学科的重要贡献,包括统计学、计算机科学、电子工程、生物学、数学和哲学。


通过从这些不同领域的前沿研究人员的章节,这本手册提供了一个广泛的和可访问的技术状态概述。


全书共有二十一章,分为五个部分:

一、条件独立性与马尔可夫性质

二、用因子分布计算

三、统计推断

四、因果推论

五、应用


第一部分回顾了图模型的基础。它讨论了图如何编码随机变量之间的条件独立性,或者等价地,变量联合分布的因式分解。第二部分的主题是如何基于给定图模型的联合分布执行有效的计算,特别是通过利用相关的因子分解属性。在第三部分,本书的重点转移到统计推断的问题,如从现有的数据学习图表和估计相关参数。第四部分是有向无环图的因果解释。相应的章节回顾了因果推理的图形化方法的基本概念,并讨论了统计方面的问题,如学习a方向数据的非循环图。最后,第五部分介绍了图模型在法医学和生物学中的应用。


第一部分是本书的基础。其余部分II到V可以独立阅读,而章节之间的交叉引用突出了连接。本章的主题范围从解释基本概念的水平,这是适合新人的描述最近的发展或原始研究。因此,本书面向广泛的读者,包括统计学、数学和计算机科学的研究生、应用研究中图形模型的用户,以及图形模型方面的专家。最重要的是,我们希望这本书将在这个令人兴奋的领域引发进一步的研究。


我们衷心感谢所有作者的宝贵贡献,感谢Rob Calver和Lara Spieker对我们的帮助和指导的过程。


Marloes Maathuis

ETH Zurich

Mathias Drton 

University of Washington 

Steven Lauritzen 

University of Copenhagen 

Martin Wainwright 

University of California, Berkeley


图书目录:


引用参考:

M. Maathuis, M. Drton, S. Lauritzen and M. Wainwright (Eds) (2019). Handbook of Graphical Models. Chapman&Hall/CRC Handbooks of Modern Statistical Methods. CRC Press, Boca Raton, FL. ISBN: 978-1-4987-8862-5.



-END-

专 · 知


专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎登录www.zhuanzhi.ai,注册登录专知,获取更多AI知识资料!

欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询

请加专知小助手微信(扫一扫如下二维码添加),加入专知人工智能主题群,咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成!560+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

登录查看更多
46

相关内容

图模型由点和线组成的用以描述系统的图形。图模型属于结构模型(见模型),可用于描述自然界和人类社会中的大量事物和事物之间的关系。在建模中采用图模型可利用图论作为工具。按图的性质进行分析为研究各种系统特别是复杂系统提供了一种有效的方法。构成图模型的图形不同于一般的几何图形。例如,它的每条边可以被赋以权,组成加权图。权可取一定数值,用以表示距离、流量、费用等。加权图可用于研究电网络、运输网络、通信网络以及运筹学中的一些重要课题。图模型广泛应用于自然科学、工程技术、社会经济和管理等方面。见动态结构图、信号流程图、计划协调技术、图解协调技术、风险协调技术、网络技术、网络理论。
【2020新书】监督机器学习,156页pdf,剑桥大学出版社
专知会员服务
139+阅读 · 2020年6月27日
【经典书】机器学习:贝叶斯和优化方法,1075页pdf
专知会员服务
292+阅读 · 2020年6月8日
图数据表示学习综述论文
专知
36+阅读 · 2019年6月10日
告别曲线拟合:因果推断和do-Calculus简介
论智
23+阅读 · 2018年5月26日
量子世界的因果关系
中国物理学会期刊网
8+阅读 · 2017年8月5日
Arxiv
92+阅读 · 2020年2月5日
Arxiv
11+阅读 · 2019年11月24日
Area Attention
Arxiv
5+阅读 · 2019年2月5日
A Probe into Understanding GAN and VAE models
Arxiv
6+阅读 · 2018年12月13日
Arxiv
3+阅读 · 2018年10月11日
Arxiv
21+阅读 · 2018年8月3日
VIP会员
相关论文
Arxiv
92+阅读 · 2020年2月5日
Arxiv
11+阅读 · 2019年11月24日
Area Attention
Arxiv
5+阅读 · 2019年2月5日
A Probe into Understanding GAN and VAE models
Arxiv
6+阅读 · 2018年12月13日
Arxiv
3+阅读 · 2018年10月11日
Arxiv
21+阅读 · 2018年8月3日
Top
微信扫码咨询专知VIP会员