8.7 贝塞尔曲线及旋转面 前面几节介绍的都是某种具体几何形状的搭建，本节将向读者介绍旋转面的搭建，通过旋转 面技术可以搭建出各种各样不同形状的物体。掌握了旋转面技术后，读者的造型能力将得到很大 的提升。 8.7.1 三维旋转曲面的生成 旋转面搭建的基本原理非常简单，将特定曲线绕指定的轴旋转一周即可产生，如图 8-30 所示。 图 8-30 旋转曲面茶壶盖的形成

通过贝叶斯网络判定条件独立—1 P(a,b,c)=P(c)*P(a|c)*P(b|c) 则：P(a,b|c)=P(a,b,c)/P(c) 带入，得到： P(a,b|c)=P(a|c)*P(b|c) 即：在c给定的条件下，a，b被阻断(blocked)，是独立的。 条件独立：tail-to-tail

多连通网络及其CPT： Cloudy Rain Wet Grass Sprinkler S R P(W) t t t f f t f f 0.99 0.90 0.90 0.00 C P(S) t f 0.10 0.50 P(C) 0.50 C P(R) t f 0.80 0.20

lwMCMC轻量级马尔可夫链蒙特卡洛 由NumPy和Metropolis Hastings支持的轻型MCMC进行参数空间采样。 包装布局 许可证，适用于此软件包 README.md-您现在正在阅读的README文件 -先决条件安装该软件包，通过使用PIP 安装程序脚本 /-包含有关软件包安装和使用的文档 /-贝叶斯建模的用例 /-库代码本身 /-单元测试 案例1：利用贝叶斯推断进行实验地球物理建模 后验分布 等高线 MCMC先验坡度 通过幂律蠕变为自然中的冰致密实的幂律流模型恢复了参数约束（请参阅冰蠕变文献）。 网格条目显示了我们参数的一维后验分布，以及具有一个和两个sigma建模误差轮廓的成对投影。 在先验斜率参数为1.8±0.225的情况下，贝叶斯推断的斜率为1.70±0.17。 示例2：使用贝叶斯推断进行粒子衰减建模 后验分布 等高线 MCMC适合搭配 事先的 为粒子

基于Hadoop平台的亿贝用户邮件数据分析(苏立).zip

利用贝叶斯分类器实现手写数字识别，要数据的可以发私信，有测试集和训练集。太大不布出来。 利用贝叶斯分类器实现手写数字识别，要数据的可以发私信，有测试集和训练集。太大不布出来。

提出了一种数据丢失贝叶斯网络参数学习的优化算法。期望最大化（EM）算法是常用的参数学习算法。 EM的最大似然估计（MLE）和最大后代估计（MAP）是局部估计，而不是全局估计，不容易实现全局最优。因此，本文提出了一种基于EM算法的点估计相对误差最小优化算法（EM-MLE-MAP）。仿真和实验结果表明，该算法在转子贝叶斯网络故障诊断中具有较好的精度，当损失率小于3％时，具有较高的诊断精度。

数据挖掘：基于朴素贝叶斯定理的文本分类实践（Java）

两种常用损失函数： 平方损失： 最小Bayesian风险估计：后验期望 点损失： 最大后验密度估计