PRML
1.0.0
Python-Codes, die Algorithmen implementieren, die in Bishops Buch „Pattern Recognition and Machine Learning“ beschrieben sind.
Die Notizbücher in diesem Repository können mit nbviewer oder anderen Tools angezeigt werden, oder Sie können Amazon SageMaker Studio Lab verwenden, eine kostenlose Computerumgebung auf AWS (eine vorherige Registrierung mit einer E-Mail-Adresse ist erforderlich. Informationen zur Verwendung finden Sie in diesem Dokument).
In der folgenden Tabelle können Sie die Notizbücher für jedes Kapitel in jeder dieser Umgebungen öffnen.
| nbviewer | Amazon SageMaker Studio Lab |
|---|---|
| ch1. Einführung | |
| ch2. Wahrscheinlichkeitsverteilungen | |
| ch3. Lineare Modelle für die Regression | |
| ch4. Lineare Modelle zur Klassifizierung | |
| ch5. Neuronale Netze | |
| ch6. Kernel-Methoden | |
| ch7. Sparse-Kernel-Maschinen | |
| ch8. Grafische Modelle | |
| ch9. Mischungsmodelle und EM | |
| ch10. Ungefähre Schlussfolgerung | |
| ch11. Probenahmemethoden | |
| ch12. Kontinuierliche latente Variablen | |
| ch13. Sequentielle Daten |
Wenn Sie SageMaker Studio Lab verwenden, öffnen Sie ein Terminal und führen Sie die folgenden Befehle aus, um die erforderlichen Bibliotheken zu installieren.
conda env create -f environment.yaml # might be optional
conda activate prml
python setup.py install
