BNPY：基于Python的贝叶斯非参数机器学习工具

简介：
BNPY是一款专为Python设计的开源库，致力于实现贝叶斯非参数模型及其在机器学习领域的应用。它提供了一种灵活、模块化的框架，便于用户探索复杂数据集中的模式和结构。 bnpy 是一个用于 Python 的贝叶斯非参数机器学习模块，提供了在大型数据集上训练流行聚类模型的代码。我们专注于基于狄利克雷过程的贝叶斯非参数模型，并且也提供相应的参数模型。bnpy 支持最新的在线学习算法以及标准离线方法，旨在为研究人员和从业人员提供一个推理平台，方便比较不同的模型与算法。 支持的概率模型（又称分配模型）包括： - 混合模型： - FiniteMixtureModel：具有固定数量的集群。 - DPMixtureModel：通过狄利克雷过程实现无限数量的集群。 - 主题模型（又名混合物模型）： - FiniteTopicModel：包含固定数量的主题，类似于潜在狄利克雷分配(LDA)。 - HDPTopicModel：使用分层狄利克雷过程来处理无限数量的主题。 - 隐马尔可夫模型 (HMM): - FiniteHMM：具有确定状态数的序列模型。 - HDPHMM：能够支持无限多的状态。