人工智能-机器学习-概率图模型在情感计算中的应用研究.pdf

大数据-算法-高斯图模型的基于联接树改进的IPSP算法.pdf

文件说明： raw_data.txt //原始数据集（语料库） handle.py //因为原始数据集很大，可以通过handle.py对去全量数据集进行处理，得到小的数据集 hmm1.py //隐马模型的实现代码

讲述了 基于高斯图模型下 对逆稀疏协方差矩阵的估计算法。

CMU的概率图模型PPT（2017年春），Eric Xing的课。主页http://www.cs.cmu.edu/~epxing/Class/10708-17/

共享阈值基线生成的多种算法，代码包里有说明文档！

中文版，由于文件过大不能上传 因而删除了参考文献等无关成分，保留了目录和正文

利用Python的pgmpy包构建概率图模型

概率图模型，全书1000多页，高清pdf版，注意，不是扫描版。 此书是一切有志研究机器学习或数据挖掘的同学必看的一本书，涵盖了所有概率的图模型，包括马尔科夫逻辑网，贝叶斯网络，等等很多很多。非常珍贵的资源

GERGM-硕士： 一个R包，用于估计广义指数随机图模型。 要开始使用， 请向报告任何错误或错误。 消息 [05/15/18]主要估计更新为0.13.x版。 我已将Hummel等人（2012）的凸包初始化方法实现为程序包中的默认选项。 在初始化Metropolis Hastings的模型参数时，此方法通常非常高效，并且在某些情况下可以使模型运行时间减少99％以上。 通过在C ++中重新实现，加快了协变量参数估计的过程。 gergm（）函数现在在协变量参数估计的第一次迭代之后跳过MPLE，而是使用以前的theta值。 这通常可以大大加快估算速度，但可以通过逻辑参数进行控制。 对于大型网络或MH接受率非常低的网络， sample_edges_at_a_time选项允许用户在MH更新中一次提议边缘块。 这可以用来优化模型接受率。 [04/13/17]新的估算功能，错误修复。 添加