文件名称：关于贝叶斯机器学习方法的笔记本-Python开发
文件大小：22.24MB
文件格式：ZIP
更新时间：2024-06-14 08:52:38
Python Deep Learning
贝叶斯机器学习笔记本本资料库是有关贝叶斯机器学习的笔记本的集合。 以下链接通过nbviewer显示笔记本，以确保正确呈现公式。 更新：PyMC3和贝叶斯机器学习笔记本该存储库是有关贝叶斯机器学习的笔记本的集合。 以下链接通过nbviewer显示笔记本，以确保正确呈现公式。 更新：PyMC3和PyMC4实施现在可用于某些笔记本电脑（已计划更多）。 潜在变量模型-第1部分：高斯混合模型和EM算法。 期望最大化（EM）算法及其在高斯混合模型中的应用简介。 范例
【文件预览】：
bayesian-machine-learning-dev
----bayesian-linear-regression()
--------bayesian_linear_regression_util.py(1KB)
--------bayesian_linear_regression_pymc4.ipynb(393KB)
--------bayesian_linear_regression.ipynb(450KB)
--------bayesian_linear_regression_pymc3.ipynb(382KB)
----LICENSE(11KB)
----latent-variable-models()
--------latent_variable_models_part_2.ipynb(495KB)
--------images()
--------latent_variable_models_part_1_pymc3.ipynb(560KB)
--------latent_variable_models_util.py(2KB)
--------latent_variable_models_part_1.ipynb(334KB)
----noise-contrastive-priors()
--------images()
--------utils.py(5KB)
--------ncp.ipynb(337KB)
--------requirements.txt(78B)
----autoencoder-applications()
--------variational_autoencoder.ipynb(11KB)
--------models()
--------images()
--------variational_autoencoder_dfc_util.py(1KB)
--------variational_autoencoder_opt_util.py(4KB)
--------variational_autoencoder_dfc.ipynb(207KB)
--------variational_autoencoder_opt.ipynb(731KB)
----.gitignore(19B)
----gaussian-processes()
--------gaussian_processes_sparse.ipynb(4.51MB)
--------gaussian_processes_util.py(4KB)
--------gaussian_processes_classification.ipynb(320KB)
--------requirements.txt(103B)
--------gaussian_processes.ipynb(526KB)
----bayesian-optimization()
--------bayesian_optimization.ipynb(498KB)
--------bayesian_optimization_util.py(2KB)
----README.md(6KB)
----bayesian-neural-networks()
--------bayesian_neural_networks.ipynb(69KB)
--------requirements.txt(141B)
--------bayesian_neural_networks_pymc4.ipynb(333KB)