yukai08008的博客

说明我发现使用图的方法来进行思考比较清晰，可以构建足够复杂的结构，未来需要搜索、修改甚至工程化都很方便。这里算是一个实践，正好内容是贝叶斯方面的，就放在这里。内容节点信息，我按照阅读产生的概念作为节点namesiddescriptionnodetype贝叶斯方法s_0000001利用先验-后验迭代预测数据贝叶斯方法的优势s_0000002为什么使用贝叶斯数据概率分布变化s_0000003未来的概率分布和过去不同数据过拟合s_0000004

说明稍微修正、梳理一下之前的的做法。目标：可以快速的重复使用，基本上前后端的表格交互我就用这一套了。内容1 三部分功能前后端设计到三部分：1 H5 元素: 前端页面的展示效果2 Javascript：前后端的交互桥梁3 View(Flask)：使用python基本对象和DataFrame与JS通信。假设现在是要做某个页面(view.html), 梳理一下前后端的代码，Flask的view函数产生内容，然后render_template填充内容。2 view.html某个功能的页面从

说明想研究这个系列很久了，原来写过于基于隐马尔科夫和贝叶斯推断的时间序列推断，在这个过程中对概率图的内容产生了比较大的兴趣。详细了解过：1 隐马尔科夫的三个经典问题，自己用代码实现过离散隐马尔科夫。2 使用贝叶斯推断模式的变化。不过很多基础和细节没有仔细研究，所以这个系列就从小白的角度从头把概念走一遍，希望达到几个目的：1 对概率图家族的每个成员都能详细了解（解决应用问题）2 完成离散时间序列的应用（马尔科夫系），自己实现算法包3 完成离散空间推断的应用（贝叶斯系），自己实现算法包