踏出進入貝氏世界的第一步。 在本章中，你將認識機率與統計分配的基礎概念，以及貝氏方法的基石——知名的貝氏定理（Bayes' Theorem）。 最後，你會建立第一個貝氏模型，從隨機擲幣的結果中做出推論。

誰是 Bayes？什麼是 Bayes？

Bayesian 與 Frequentist

機率分佈

機率與貝氏定理

來發牌吧

貝葉斯垃圾信過濾器

檢測結果代表什麼？

品味貝氏方法

擲硬幣

丟越多次，學得越多

嘿，這枚硬幣是公平的嗎？

The Bayesian way

現在該掀開貝氏方法的引擎蓋了。 你將學會如何把貝氏定理應用到藥效資料，使用格點近似法來估計機率分配的參數，並在有新資料進來時更新這些估計。 接著，你會學到如何把先驗知識納入模型，最後練習一項關鍵能力：把結果清楚地向非技術背景的受眾報告。

打開 Bayesian 引擎蓋

邁向格點近似法

無先驗知識的格點近似

更新後驗信念

先驗信念

先驗的真相

選對合適的先驗分佈

模擬後驗抽樣

回報 Bayesian 結果

點估計

最高後驗密度可信區間

可信度的意涵

Bayesian estimation

把你新學到的貝氏資料分析技巧用來解決真實的商業問題。 你將使用線上行銷銷售資料，進行 A/B 測試、決策分析，以及以線性迴歸模型進行預測。

A/B 測試

模擬 beta 後驗分佈

後驗點擊率

A 還是 B？我們有多確定？

最糟會多糟？

決策分析

決策分析：成本

決策分析：利潤

迴歸與預測

定義 Bayesian 迴歸模型

分析迴歸參數

預測分佈

Bayesian inference

在最後一章，你將善用強大的 PyMC3 套件，輕鬆擬合貝氏迴歸模型、對模型收斂進行合理性檢查、在競爭模型間做選擇，並為新資料產生預測。 作為收尾，你會把所學應用到一個貝氏資料分析個案研究上，找出酪梨的最佳價格。 祝你順利！

馬可夫鏈蒙地卡羅與模型擬合

馬可夫鏈蒙地卡羅法

從後驗分佈取樣

解讀結果並比較模型

檢視後驗抽樣

使用 WAIC 比較模型

進行預測

從預測分布取樣

估計測試誤差

酪梨要賣多少？

擬合模型

檢查模型

最佳化價格

最後的補充說明

Bayesian linear regression with pyMC3

Ads Data

Bikes Data

貝氏資料分析是一種日益普及的統計推論方法，用來在不依賴信賴水準或 p 值等固定常數的情況下，推導條件機率。 在這門課中，你將學到貝氏資料分析的運作方式、與傳統方法的差異，以及為什麼它是你資料科學工具箱中不可或缺的一環。 你會以貝氏方法實作 A/B 測試、決策分析與線性迴歸建模，並分析真實世界的廣告、銷售與腳踏車租借資料。 最後，你將動手使用 PyMC3 函式庫，讓你更容易設計、擬合並詮釋貝氏模型。

Introduction to Statistics in Python

了解貝葉斯數據分析的優勢，並將其應用於各種實際案例！

Bayesian Data Analysis in Python

Learn all about the advantages of Bayesian data analysis, and apply it to a variety of real-world use cases!

馬可夫鏈蒙地卡羅與模型擬合

Create Your Free Account