Учебник по байесовским сетям [закрыто]

Question

Учебник по байесовским сетям [закрыто]

Хотя это старый код:

private FieldInfo[] GetConstants(System.Type type)
{
    ArrayList constants = new ArrayList();

    FieldInfo[] fieldInfos = type.GetFields(
        // Gets all public and static fields

        BindingFlags.Public | BindingFlags.Static | 
        // This tells it to get the fields from all base types as well

        BindingFlags.FlattenHierarchy);

    // Go through the list and only pick out the constants
    foreach(FieldInfo fi in fieldInfos)
        // IsLiteral determines if its value is written at 
        //   compile time and not changeable
        // IsInitOnly determine if the field can be set 
        //   in the body of the constructor
        // for C# a field which is readonly keyword would have both true 
        //   but a const field would have only IsLiteral equal to true
        if(fi.IsLiteral && !fi.IsInitOnly)
            constants.Add(fi);           

    // Return an array of FieldInfos
    return (FieldInfo[])constants.ToArray(typeof(FieldInfo));
}

Источник

Вы можете легко преобразовать его в чистый код с помощью общих типов и LINQ:

private List GetConstants(Type type)
{
    FieldInfo[] fieldInfos = type.GetFields(BindingFlags.Public |
         BindingFlags.Static | BindingFlags.FlattenHierarchy);

    return fieldInfos.Where(fi => fi.IsLiteral && !fi.IsInitOnly).ToList();
}

Или с одной строкой:

type.GetFields(BindingFlags.Public | BindingFlags.Static |
               BindingFlags.FlattenHierarchy)
    .Where(fi => fi.IsLiteral && !fi.IsInitOnly).ToList();

13

bayesian-networks machine-learning

задан Alex Riley 16 January 2017 в 10:19

7 ответов

Другие вопросы по тегам:

bayesian-networks machine-learning

Похожие вопросы:

score 3 · Answer 1

1988 Pearl Вероятностное Обоснование в Интеллектуальных Системах является той из наиболее процитированных работ над байесовскими сетями. Я нашел это довольно ясным. Тем не менее много было сделано в поле с 1988. Было бы мудро добавить эту книгу с более свежими работами.

score 1 · Answer 2

Mitchell Машинное обучение является чрезвычайно важной краткой информацией в области AI. Это покрывает байесовские сети, посвящение, как я вспоминаю, вся глава к нему.

я также проверил бы класс байесовской сети Weka для понимания практической реализации. Если Вы не знаете о Weka, проверьте его здесь: http://www.cs.waikato.ac.nz/ml/weka/

score 8 · Answer 3

Необходимо проверить на AI (Искусственный интеллект) книги. Я имею, узнают о Байесовском в Искусственный интеллект "Современный подход ".

score 4 · Answer 4

Все книги, упомянутые до сих пор, являются довольно хорошими. Pearl обычно расценивается как являющийся немного твердым следовать, это также довольно дорого, но если можно управлять им, все питание Вам.

я был бы действительно действительно , рекомендуют проверить книгу Chris Bishop, Распознавание образов и Машинное обучение . Я думаю, что это - бесспорно лучшее лечение, которое Вы собираетесь пройти графических моделей в учебнике, по крайней мере, до Michael Jordan концы, и публикует его книгу по предмету.

score 9 · Answer 5

Хорошая книга по общему машинному обучению 1 . Но это довольно легко на BN. Я не читал [2], но я читал [3] им, который хорош (таким образом, [2], вероятно, будет хорошо, как рекомендуется dwf). Я не рекомендовал бы книгу Pearl вообще, если Вы не делаете своего доктора философии!

Однако я на самом деле рекомендовал бы учебное руководство онлайн" Введение Резюме А в Графические Модели и байесовские сети " Kevin Murphy [4]. Лучший способ изучить BN состоит в том, чтобы считать это, загрузить его панель инструментов [5] Matlab и создать Ваш собственный BN через десять минут.

классификация Шаблонов распознаванием образов Duda/Hart/Stork
и Машинным обучением Chris Bishop
Нейронные сети для Распознавания образов Chris Bishop
http://www.cs.ubc.ca/~murphyk/Bayes/bnintro.html
Байесова Сетевая Панель инструментов для Matlab

score 4 · Answer 6

Эта книга онлайн была чрезвычайно полезна для меня во всех аспектах обучения машины, включая вывод Bayesian:

http://www.inference.phy.cam.ac.uk/mackay/itila/book.html

Предоставленный Вы знакомы с основной теорией вероятности, это - отличный ресурс.

score 4 · Answer 7

Лучшие профессора в этих областях, на мой взгляд, эти 2 парня: ссылочный текст Ng. Эндрю и ссылочный текст профессор Паллаб Дасгупта.

Я смотрел все их учебники на BBN, и они были очень полезны, просто следуйте по ссылкам, и вы найдете еще лекции по ИИ с этими 2 интересными ребятами.

Получайте удовольствие, обучаясь с ними, Майк