我的课程作业……包括Metropolis，MetropolisHastings，LaplaceApproximation，Gibbs，Bayesianlinerregression，Bayesianlogisticregression的原理简单介绍和算法，水平有限一定会有错，发这就是为了保存一下我辉煌的过去，我还这么认真学习过呜呜呜

贝叶斯网络经典教材都涵盖在这里面了，欢迎大家使用~！

CONTENTPART1BASICSOFINFERENCEOVERNETWORKSCHAPTER1AsynchronousAdaptiveNetworksCHAPTER2EstimationandDetectionOverAdaptiveNetworksCHAPTER3MultitaskLearningOverAdaptiveNetworksWithGroupingCHAPTER4BayesianApproachtoCollaborativeInferenceinNetworksCHAPTER5MultiagentDistributedOptimizationCHAPTER6DistributedKalmanandParticleFilteringCHAPTER7GameTheoreticLearningPART2SIGNALPROCESSINGONGRAPHSCHAPTER8GraphSignalProcessing.CHAPTER9SamplingandRecoveryofGraphSignalsCHAPTER10BayesianActivelearningonGraphs.CHAPTER11DesignofGraphFiltersandFilterbanksCHAPTER12StatisticalGraphSignalProcessing:StationarityandSpectralEstimationCHAPTER13InferenceofGraphTopologyCHAPTER14PartiallyAbsorbingRanclomWalks:AUnifieclFrameworkforLearningonGraphsPART3DISTRIBUTEDCOMMUNICATIONS,NETWORKING,ANDSENSING.....

Thispracticalguideprovidesnearly200self-containedrecipestohelpyousolvemachinelearningchallengesyoumayencounterinyourdailywork.Ifyou’recomfortablewithPythonanditslibraries,includingpandasandscikit-learn,you’llbeabletoaddressspecificproblemssuchasloadingdata,handlingtextornumericaldata,modelselection,anddimensionalityreductionandmanyothertopics.Eachrecipeincludescodethatyoucancopyandpasteintoatoydatasettoensurethatitactuallyworks.Fromthere,youcaninsert,combine,oradaptthecodetohelpconstructyourapplication.Recipesalsoincludeadiscussionthatexplainsthesolutionandprovidesmeaningfulcontext.Thiscookbooktakesyoubeyondtheoryandconceptsbyprovidingthenutsandboltsyouneedtoconstructworkingmachinelearningapplications.You’llfindrecipesfor:Vectors,matrices,andarraysHandlingnumericalandcategoricaldata,text,images,anddatesandtimesDimensionalityreductionusingfeatureextractionorfeatureselectionModelevaluationandselectionLinearandlogicalregression,treesandforests,andk-nearestneighborsSupportvectormachines(SVM),naïveBayes,clustering,andneuralnetworksSavingandloadingtrainedmodels

TheBayesianChoice2nded-C.Robert(Springer,2007)WW

平移不变小波去噪程序演示以平移不变小波为平台所用是作者自己改进的bayesShrik算法

hadoop_bayes代码下载，这里是我github下载代码加自己修改运行成功后做实验的代码，供大家参考

winbugs说明和建模代码

基于小波变换的自适应多阈值图像去噪-基于小波变换的自适应多阈值图像去噪.rar摘　要　小波图像去噪是小波应用较成功的一个方面,其中最重要的一个环节是最优阈值的确定,为此,提出了一种新的基于小波变换的自适应多阈值图像去噪方法———Multi2Thresholdshrink去噪法,这种方法是在不同子带和不同方向上选择不同的最佳阈值,而最佳阈值的选取是基于Bayes理论,并认为图像的小波系数是服从广义高斯分布的。
通过实验证明,这种方法能很好地对图像去噪,与Donoho等人提出的Visushrink去噪方法和Chang等人提出的Bayesshrink去噪方法相比,不仅提高了去噪后图像的信噪比和最小均方误差,而且也使图像更加清晰,并能更好地适合人眼的视觉特性,从而可在客观和主观上同时获得更佳的去噪效果。
关键词　阈值　去噪　小波变换

1.C4.5：是机器学习算法中的一种分类决策树算法，其核心算法是ID3算法。
2.K-means算法：是一种聚类算法。
3.SVM：一种监督式学习的方法，广泛运用于统计分类以及回归分析中4.Apriori：是一种最有影响的挖掘布尔关联规则频繁项集的算法。
5.EM：最大期望值法。
6.pagerank：是google算法的重要内容。
7.Adaboost：是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器然后把弱分类器集合起来，构成一个更强的最终分类器。
8.KNN：是一个理论上比较成熟的的方法，也是最简单的机器学习方法之一。
9.NaiveBayes：在众多分类方法中，应用最广泛的有决策树模型和朴素贝叶斯（NaiveBayes）10.Cart：分类与回归树，在分类树下面有两个关键的思想，第一个是关于递归地划分自变量空间的想法，第二个是用验证数据进行减枝

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。