Lehrbuch für probabilistische grafische Modelle

Ist Kollers "Probabilistic Graphical Models" als Lehrbuch geeignet? Oder gibt es ein anderes Buch, das als Lehrbuch für einen Meisterkurs empfehlenswerter ist?

Haftungsausschluss: Cross-Posting von quora.com, wo ich keine Antwort bekam.

Ja, es ist als solches geschrieben und enthält Beispielfragen, für die Sie hier die Antworten anfordern können

Vielleicht möchten Sie auch einen Blick auf Mustererkennung und maschinelles Lernen von Chris Bishop und Informationstheorie, Inferenz und Lernalgorithmen von David MacKay werfen , die ebenfalls kostenlos heruntergeladen werden können . Beide behandeln einige Aspekte grafischer Modelle und geben einen allgemeinen Einblick in probabilistische Methoden.

Ich habe ein wenig die ersten Kapitel von Koller & Friedman gelesen und war damit als Einführungstext nicht zufrieden. Bei mehreren Gelegenheiten gibt das Buch ein motivierendes Beispiel, aber das Beispiel kann ohne Hintergrundmaterial später in diesem Kapitel nicht verstanden werden. Diese Art der Darstellung funktioniert für mich nur, wenn im Beispiel ausdrücklich angegeben ist, welches kommende Material relevant sein wird. Ansonsten sind die Beispiele einfach unverständliche Magie.

Das heißt, es ist ein heftiger Band und wahrscheinlich eine ausgezeichnete Referenz für Praktizierende.

Ein Student könnte besseres Glück mit dem neapolitanischen "Learning Bayesian Networks" haben.

Ich würde das Buch Graphical Models von Steffen L. Lauritzen und seinen Vortrag in Oxford bevorzugen .