这个包是一个Matlab实现在书中描述的算法:模式识别和机器学习c主教(PRML)。
这个包的回购是位于:https://github.com/PRML/PRMLT
如果你发现一个缺陷或特性请求,请文件问题。我通常不检查这里的评论。
代码的设计目标如下:
简洁:代码非常简洁。减少代码的数量是原始的目标之一。因此,可以很容易地发现的核心算法。
高效:许多技巧使Matlab脚本快速应用(如。向量化和矩阵分解)。许多功能甚至比得上C实现。通常,函数在这个包订单速度比Matlab提供相同的功能(如安装在内部的功能。kmeans)。如果有人发现任何Matlab实现比我快,我很高兴进一步优化。
健壮的:许多数值稳定技术应用,如概率计算在对数尺度避免数值下溢和溢出,对称矩阵的平方根形式更新,等等。
容易学习:严重注释的代码。PRML书中引用的公式表示为相应的代码行。符号同步的书。
实用:包装设计不仅很容易阅读,但也很容易用于促进毫升的研究。许多功能在这个包中已经广泛使用(见Matlab文件交换)。
引用作为
莫陈(2023)。模式识别和机器学习工具GitHub (https://github.com/PRML/PRMLT)。检索。
MATLAB版本兼容性
平台的兼容性
窗户 macOS Linux类别
标签
确认
启发:变分贝叶斯线性回归,概率线性回归,变分贝叶斯稀疏编码的相关向量机,贝叶斯压缩感知(稀疏编码)和相关向量机,gram - schmidt正交化,卡尔曼滤波器和线性动态系统,内核学习工具箱,EM的混合伯努利(无监督朴素贝叶斯)集群二进制数据,演算法,概率主成分分析和因子分析,狄利克雷过程高斯混合模型,日志概率密度函数(PDF),朴素贝叶斯分类器,隐马尔可夫模型的工具箱(嗯),MLP神经网络反向传播训练,逻辑回归的分类,两两距离矩阵,Kmeans集群,内核Kmeans,EM算法对高斯混合模型(EM GMM),Kmedoids,归一化互信息,变分高斯混合模型的贝叶斯推理,信息理论的工具箱
chapter01
chapter02
chapter03
chapter04
chapter05
chapter06
chapter07
chapter08 /磁流变液
chapter08 / NaiveBayes
chapter09
chapter10
chapter11
chapter12
会/嗯
会/摩门教
chapter14
常见的
演示/ ch01
演示/ ch03
演示/ ch04
演示/ ch05
演示/ ch06
演示/ ch07
演示/ ch08
演示/ ch09
演示/ ch10
演示/ ch11
演示/ ch12
演示/ ch13
演示/ ch14
版本使用GitHub缺省分支不能下载
版本 | 发表 | 发布说明 | |
---|---|---|---|
1.0.0.0 | 更新描述 |
|