PRML

PRML

Códigos Python que implementan algoritmos descritos en el libro de Bishop "Pattern Recognition and Machine Learning"

Paquetes requeridos

• pitón 3
• engordado
• picante
• jupyter (opcional: para ejecutar cuadernos jupyter)
• matplotlib (opcional: para trazar los resultados en los cuadernos)
• sklearn (opcional: para recuperar datos)

Cuadernos

Los cuadernos de este repositorio se pueden ver con nbviewer u otras herramientas, o puede utilizar Amazon SageMaker Studio Lab, un entorno informático gratuito en AWS (se requiere registro previo con una dirección de correo electrónico. Consulte este documento para conocer su uso).

Desde la siguiente tabla, puede abrir los cuadernos de cada capítulo en cada uno de estos entornos.

nbvisor	Laboratorio de estudio de Amazon SageMaker
cap1. Introducción
cap2. Distribuciones de probabilidad
cap3. Modelos lineales de regresión
cap4. Modelos lineales para clasificación
cap5. Redes neuronales
cap6. Métodos del núcleo
cap7. Máquinas de núcleo disperso
cap8. Modelos gráficos
cap9. Modelos de mezcla y EM
cap10. Inferencia aproximada
cap11. Métodos de muestreo
cap12. Variables latentes continuas
cap13. Datos secuenciales

Si utiliza SageMaker Studio Lab, abra una terminal y ejecute los siguientes comandos para instalar las bibliotecas necesarias.

conda env create -f environment.yaml  # might be optional
conda activate prml
python setup.py install