PRML

PRML

Códigos Python implementando algoritmos descritos no livro de Bishop "Pattern Recognition and Machine Learning"

Pacotes Necessários

• píton 3
• entorpecido
• picante
• jupyter (opcional: para executar notebooks jupyter)
• matplotlib (opcional: para plotar resultados nos notebooks)
• sklearn (opcional: para buscar dados)

Cadernos

Os notebooks neste repositório podem ser visualizados com o nbviewer ou outras ferramentas, ou você pode usar o Amazon SageMaker Studio Lab, um ambiente de computação gratuito na AWS (é necessário registro prévio com um endereço de e-mail. Consulte este documento para uso).

Na tabela abaixo, você pode abrir os cadernos de cada capítulo em cada um desses ambientes.

nbviewer	Laboratório Amazon SageMaker Studio
corr1. Introdução
corr2. Distribuições de probabilidade
corr3. Modelos Lineares para Regressão
4 corr. Modelos Lineares para Classificação
cap5. Redes Neurais
cap6. Métodos do Kernel
cap7. Máquinas de kernel esparsas
capítulo 8. Modelos Gráficos
capítulo 9. Modelos de mistura e EM
capítulo 10. Inferência Aproximada
capítulo 11. Métodos de amostragem
capítulo 12. Variáveis ​​Latentes Contínuas
capítulo 13. Dados Sequenciais

Se você usar o SageMaker Studio Lab, abra um terminal e execute os seguintes comandos para instalar as bibliotecas necessárias.

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