贝叶斯统计、贝叶斯决策理论和贝叶斯机器学习库
项目描述
目的
BayesML 是一个库，旨在促进基于贝叶斯统计和贝叶斯决策理论的机器学习的研究、教育和应用。通过这些活动，BayesML 旨在为社会做出贡献。
特征
BayesML 具有以下特点。
- 该库的结构反映了贝叶斯统计和贝叶斯决策理论的哲学：更新从数据中学习到的后验分布，并根据贝叶斯准则输出最优估计。
- 我们的许多学习算法比通用贝叶斯学习算法（例如 MCMC 方法）快得多，因为它们有效地利用了概率数据生成模型和先验分布的共轭特性。此外，它们适合在线学习。
- 所有软件包都具有可视化概率数据生成模型、从该模型生成的数据以及从 2~3 维空间中的数据学习的后验分布的方法。因此，您可以通过生成合成数据并从中学习来有效地了解概率数据生成模型和算法的特征。
下载文件
下载适用于您平台的文件。如果您不确定要选择哪个，请了解有关安装包的更多信息。
源分布
bayesml-0.1.1.tar.gz
（52.4 kB
查看哈希）
内置分布
bayesml-0.1.1-py3-none-any.whl
（59.8 kB
查看哈希）