对于初学者来说，这是开始研究贝叶斯网络的最佳书籍？
答案 0 :(得分：9)
关于通用机器学习的好书是1。但对于国阵来说，它是相当轻松的。我没有看过[2]，但我已经读过他[3]这是好的（所以，[2]很可能是dwf推荐的好）。除非你正在攻读博士学位，否则我不会推荐Pearl的书。
但是，我实际上会推荐Kevin Murphy的在线教程“图形模型简介和贝叶斯网络”[4]。学习BN的最好方法是阅读本文，下载他的Matlab工具箱[5]并在十分钟内建立自己的BN。
答案 1 :(得分：8)
你应该检查AI（人工智能）书籍。我在Artificial Intelligence "A modern approach中了解了贝叶斯语。
答案 2 :(得分：8)
我推荐Daphne Koller和Nir Friedman的“概率图形模型”。它是定向（贝叶斯网络）和无向（马尔可夫网络）图形模型的优秀入门级到中级手册。给出的例子很精细，易于理解。
答案 3 :(得分：4)
这本在线书籍对机器学习的各个方面都非常有帮助，包括贝叶斯推理：
http://www.inference.phy.cam.ac.uk/mackay/itila/book.html
当然，你熟悉基本概率理论，它是一个很好的资源。
答案 4 :(得分：4)
到目前为止提到的所有书都很不错。珍珠一般被认为有点难以理解，它也相当昂贵，但如果你能管理它，那就是你的全部力量。
我真的真的建议你查看Chris Bishop的书Pattern Recognition and Machine Learning。我认为在教科书中你将获得图形模型的最佳处理方式，至少在Michael Jordan完成并发表关于该主题的书之前。
答案 5 :(得分：4)
这个领域最好的教授是我的观点，这两个人：link text Ng。 Andrew和link text Pallab Dasgupta教授。
我一直在BBN看他们所有的教程，他们非常有用。只需点击链接，你就会发现更多AI讲座与这2个有趣的人。
与他们一起学习， 麦克
答案 6 :(得分：3)
Pearl 1988; 智能系统中的概率推理是贝叶斯网络上被引用最多的作品之一。我发现很清楚。也就是说，自1988年以来，该领域已经做了很多工作。用最近的作品来补充这本书是明智的。
答案 7 :(得分：1)
Mitchell的机器学习是人工智能领域非常重要的入门读物。它涵盖了贝叶斯网络（Bayesian Networks），我记得整整一章用于它。
我还会查看Weka的贝叶斯网络课程，以了解实际的实现。如果您不了解Weka，请在此处查看：http://www.cs.waikato.ac.nz/ml/weka/