概率圖模型結合了概率論與圖論的知識，提供了
一種簡單的可視化概率模型的方法，在人工智能、機
器學習和計算機視覺等領域有著廣闊的應用前景。大
衛·貝洛特著的《概率圖模型(基於R語言)》旨在幫助
讀者學習使用概率圖模型，理解計算機如何通過貝葉
斯模型和馬爾科夫模型來解決現實世界的問題，同時
教會讀者選擇合適的R語言程序包、合適的算法來準備
數據並建立模型。本書適合各行業的數據科學家、機
器學習愛好者和工程師等人群閱讀、使用。

第1章 概率推理
1.1 機器學習
1.2 使用概率表示不確定性
1.2.1 信念和不確定性的概率表示
1.2.2 條件概率
1.2.3 概率計算和隨機變量
1.2.4 聯合概率分布
1.2.5 貝葉斯規則
1.3 概率圖模型
1.3.1 概率模型
1.3.2 圖和條件獨立
1.3.3 分解分布
1.3.4 有向模型
1.3.5 無向模型
1.3.6 示例和應用
1.4 小結
第2章 **推斷
2.1 構建圖模型
2.1.1 隨機變量的類型
2.1.2 構建圖
2.2 變量消解
2.3 和積與信念*新
2.4 聯結樹算法
2.5 概率圖模型示例
2.5.1 灑水器例子
2.5.2 醫療專家繫統
2.5.3 多於兩層的模型
2.5.4 樹結構
2.6 小結
第3章 學習參數
3.1 引言
3.2 通過推斷學習
3.3 *大似然法
3.3.1 經驗分布和模型分布是如何關聯的？
3.3.2 *大似然法和R語言實現
3.3.3 應用
3.4 學習隱含變量——期望*大化算法
3.4.1 隱變量
3.5 期望*大化的算法原理
3.5.1 期望*大化算法推導
3.5.2 對圖模型使用期望*大化算法
3.6 小結
第4章 貝葉斯建模——基礎模型
4.1 樸素貝葉斯模型
4.1.1 表示
4.1.2 學習樸素貝葉斯模型
4.1.3 **貝葉斯的樸素貝葉斯模型
4.2 Beta二項式分布
4.2.1 先驗分布
4.2.2 帶有共軛屬性的後驗分布