Machine Learning: A Probabilistic Perspective 源码

count-min-sketch：C语言中的最小计数草图实现

| | Pyro是一个基于PyTorch的灵活，可扩展的深度概率编程库。 值得注意的是，它的设计考虑了以下原则： 通用：Pyro是通用PPL-它可以表示任何可计算的概率分布。 可扩展：与手写代码相比，Pyro可以以较小的开销扩展到大型数据集。 最小：Pyro是敏捷且可维护的。 它以功能强大且可组合的抽象的小核心实现。 灵活：Pyro的目标是在需要时实现自动化，在需要时进行控制。 这是通过高级抽象来表达生成模型和推理模型来完成的，同时使专家可以轻松访问以定制推理。 Pyro最初是由Uber AI开发的，现在由社区贡献者（包括的专门团队）积极维护。 在2019年，Pyro Linux Foundation的一个项目，这是一个在开源软件，开放标准，开放数据和开放硬件上进行协作的中立空间。 有关Pyro的高级动机的更多信息，请查看我们的。 有关其他博客文章，请查看Pyro中有关和工作。 正在安装 安装稳定的Pyro版本 使用pip安装： Pyro支持Python 3.6+。 pip install pyro-ppl 从源安装： git clone git@github.c

机器学期经典教材

保护概率分类_Protected probabilistic classification.pdf

机器学习的一本新书，更强的统计角度。而且本书提供matlab/python的toolbox，非常好用。

Probability and Computing - Randomized Algorithms and Probabilistic Analysis Michael Mitzenmacher, Eli Upfal

概率推理、智能系统，贝叶斯网、马尔科夫网方面的经典书

吉布斯采样matlab代码

Thrun Burgard Fox 合著的概率机器人，概率机器人学的入门经典，机器人学的必读书目。