* Probabilistic Graphical Models: Principles and Techniques [#bee7214d]
//1行目はタイトルとして目次ページに表示されます
#amazon(0262013193)
@Book{book_id,
author = "D. Koller and N. Friedman",
title = "Probabilistic Graphical Models: Principles and Techniques",
publisher = {The MIT Press},
address = "Cambridge, " # MA,
year = 2009
}
#amazon(,clear)
//ここには文献のリファレンスを書いてください．bibtex形式で書くことを推奨します．
* キーワード [#k7c9dbfb]
//ここにはキーワードを列挙してください．
グラフィカルモデル, 積和アルゴリズム, max-sumアルゴリズム, Markov確率場, ベイジアンネット, Dirichlet過程, 条件付確率場, 条件付独立, 有向分離, 確率伝播, Markov連鎖モンテカルロ, Gibbsサンプラー, 因果推論, 隠れMarkovモデル, ジャンクションツリー, 変分ベイズ, 重点サンプリング, Metropolis-Hastingsアルゴリズム, collapsed Markov連鎖モンテカルロ, 期待値伝播アルゴリズム, 粒子フィルタ, Kalmanフィルタ, EMアルゴリズム, 最大エントロピー
* メモ [#mbd0c6b1]
//内容とかを簡単に書いてください
- 1000ページ以上，2.2kg もする大著で，この分野のバイブル
- まだ学生なのに講義をしていたらしいという秀才 Koller とやはりこの分野のオーソリティの一人 Friedman がタッグを組んだグラフィカルモデルの本
- ポイントが「指さしマーク」でまとめてある．[[図1.2のコース表>http://pgm.stanford.edu/Figures/Chapter1/01_02.pdf]] を使えば，目的に応じて読む部分を減らすことも可能
- ノンパラメトリックベイズはまだあまりかかれていないが，それ以外のグラフィカルモデルについては，因果推論まで網羅した意欲的な内容
-
- Gauss分布を使うグラフィカルモデル, collapsed Markov連鎖モンテカルロ, PAC学習に基づく限界の分析, グラフの構造学習など他の本にはない高度なないよう
- 索引で，アルゴリズムが全部 "Algorithm" のサブ項目になってるのは，とっても引きにくいと思う．あと，ところどころアルファベット順にならんでない．
> -- しましま
* リンク集 [#f02fa86c]
//サポートページなど関連リンクを書いてください．
-[[サポートページ>http://pgm.stanford.edu/]]：目次，1章(はじめに)，正誤表
-[[出版社ページ>http://mitpress.mit.edu/catalog/item/default.asp?ttype=2&tid=11886]]
-[[GoogleScholarAll:Probabilistic Graphical Models]]
-Amazon.co.jpへのリンク：&amazon(0262013193);
![[PukiWiki]](image/ibisforest.png "[PukiWiki]")
