贝叶斯思维：统计建模的Python学习法

这本书旨在帮助那些希望⽤数学⼯具解决实际问题的⼈们，仅有的要求可能就是懂⼀点概率知识和程序设计。贝叶斯⽅法是⼀种常见的利⽤概率学知识去解决不确定性问题的数学⽅法，对于⼀个计算机专业⼈⼠，应当熟悉其在诸如机器翻译、语⾳识别、垃圾邮件检测等常见的计算机领域的应⽤。

本书实际上会扩⼤你的视野，即使不是⼀个计算机专业⼈⼠，你也可以看到在战争环境下（第⼆次世界⼤战德军坦克问题），法律问题上（肾肿瘤的假设验证），体育博彩领域中（棕熊队和加⼈队NHL⽐赛问题）贝叶斯⽅法的威⼒。怎么从有限的信息判断德军装甲部队的规模？你所⽀持的球队有多⼤可能赢得冠军？在《龙与地下城》勇⼠中，你应当对游戏⾓⾊属性的最⼤值有怎样的预期？甚⾄在普通的彩弹射击游戏中，拥有⼀些贝叶斯思维也能帮助你提⾼游戏⽔平。

除此以外，本书在共计15章的篇幅中讨论了怎样解决⼗⼏个现实⽣活中的实际问题。在这些问题的解决过程中，作者还潜移默化地帮助读者形成了建模决策的⽅法论，建模误差和数值误差怎么取舍，怎样为具体问题建⽴数学模型，如何抓住问题中的主要⽭盾（模型中的关键参数），再⼀步⼀步地优化或者验证模型的有效性或者局限性。在这个意义上，这本书又是⼀本关于数学建模的成功样本。