pylearn:Python中的贝叶斯机器学习

【文件属性】：
文件名称：pylearn:Python中的贝叶斯机器学习
文件大小：6.63MB
文件格式：ZIP
更新时间：2021-05-04 18:19:04
Python PyLearn PyLearn是使用Python进行贝叶斯推理和机器学习的资源。 介绍 我们如何推断和学习经验？ 埃德温·杰恩斯（Edwin Jaynes），在他的影响力领域 ，写道 我们的一个经验最熟悉的事实是这样的：有这样的事情作为常识，这使我们能够做到合情推理在一个相当一致的方式。 具有相同经验的背景和有关该命题的相同信息量的人得出的结论与合理性几乎相同。 没有任何陪审团根据纯粹的演绎推理做出任何判决。 因此，人脑必须​​包含一些相当合理的合理推理机制，这无疑比演绎推理所需的机制复杂得多。 但是，为了使之成为可能，就操作而言，必须存在一致的规则来进行合理的推理，以使操作可以在可以作为人脑的计算机上进行编程。 贾恩斯继续证明，这些“一致规则”只是贝叶斯概率论的规则，并辅以拉普拉斯的无差异原理，以及其推广，即香农的最大熵原理。 此主要观察结果表明，可以对计算机进行编程以使其“推理”

【文件预览】：
pylearn-master
----writings()
--------bayesian_machine_learning_for_business_decisions.md(6KB)
----presentations()
--------.ipynb_checkpoints()
--------ChennaiPy-ProbabilisticProgrammingWithLea.ipynb(14KB)
--------ValueFromData-01-DataScienceTheory.pdf(3.69MB)
--------ValueFromData-02-ProbabilityForDataScience.pdf(2.8MB)
----images()
--------dorai.jpg(19KB)
--------titanic.png(31KB)
--------ronojoy.jpg(21KB)
--------pylearn.png(6KB)
--------titanic-missingdata.png(32KB)
--------imsc50.png(37KB)
----scripts()
--------.ipynb_checkpoints()
--------Bayesian regression.ipynb(2KB)
--------ex2-monty-hall.py(3KB)
--------titanic.pdf(51KB)
--------titanic.png(31KB)
--------ex1-coin-tossing.py(916B)
--------ex4a-titanic-daft-pgm.py(1KB)
--------ex4-titanic-disaster.py(2KB)
--------ex3-fred-lisp-dilemma.py(4KB)
----notes()
--------ProbabilisticProgramming.md(9KB)
--------BayesianNetworks.md(5KB)
----LICENSE(1KB)
----README.md(11KB)
----.gitignore(675B)