pomegranate 是基于 Python 的图模型和概率模型工具包，它使用 Cython 实现以加快反应速度。它源于 YAHMM，可实现快速、高效和极度灵活的概率模型，如概率分布、贝叶斯网络、混合隐马尔可夫模型等。概率建模最基础的级别是简单的概率分布。以语言建模为例，概率分布就是是一个人所说的每个单词出现频率的分布。
1. 概率分布
第二个级别是以更复杂的方式使用简单分布的概率模型。马尔可夫链可以扩展简单的概率分布，仍旧以语言建模为例，即某个单词的概率依赖于先前所说单词。隐马尔可夫模型中某个单词的概率依赖于前一个词的潜在／隐藏状态，如名词通常在形容词后面。
第三个级别是概率模型的堆叠，可以建模更复杂的现象。如果单个隐马尔可夫模型可以捕捉口音（如某个人的说话习惯），那么混合隐马尔可夫模型可以将其调整以适应特定情况。比如，一个人可能在工作时使用更为正式的语言，在与朋友交流时使用稍微随意的语言。通过将其建模为混合隐马尔可夫模型，我们将这个人的语言表示为各种口音的「混合」。
-
1. GMM-HMMs
-
2. 混合模型
-
3. 模型的贝叶斯分类器
2. 安装
pomegranate 依赖项要求：
- Cython (only if building from source) - NumPy - SciPy - NetworkX - joblib
运行测试前，还要安装 nose。
pip 安装：
pip install pomegranate
conda 安装：
conda install pomegranate
无需 C++编译器，快速安装 Windows 版本的 Wheels 已构建完毕。
3. 验证安装
设置已完成，现在需要检查 pomegranate 是否可以使用：
\$ python -c 'from pomegranate import *; print(NormalDistribution(0, 1).probability(0))' 0.398942280402
-
在TFP教程中，模型输出为正态分布。我注意到输出可以替换为独立法线层。在我的模型中，y_true是二进制类。因此，我使用了IndependentBernoulli层，而不是Independent Normal层。 在构建模型之后，我发现它有两个输出参数。这对我来说没有意义，因为伯努利分布只有一个参数。你知道哪里出了问题吗？ 谷歌Colab上代码执行结果的屏幕截图
-
关系模型可以表示为包含列和行的表，每一行都称为元组。 列的每个表都有一个名称或属性。 域 - 包含属性可以采用的一组原子值。 属性 - 包含特定表中列的名称。每个属性必须有一个域。 关系实例 - 在关系数据库系统中，关系实例由一组有限的元组表示。关系实例没有重复的元组。 关系模式 - 关系模式包含所有列或属性的关系名称和名称。 关系键 - 在关系键中，每行都有一个或多个属性。它可以唯一地标识关系中
-
主要内容：1. 实体,2. 属性,3.关系ER模型代表实体-关系模型。 它是一种高级数据模型。 此模型用于定义指定系统的数据元素和关系。它为数据库开发了概念设计。它还开发了一种非常简单易用的数据视图。 在ER建模中，数据库结构被描绘为称为实体关系图。 例如，假设要设计一个学校数据库。 在该数据库中，学生(student)将是具有地址，姓名，身份，年龄等属性的实体。地址(address)可以是具有诸如城市，街道名称，密码等属性的另一实体，并
-
Navicat Data Modeler 让你创建概念模型，包括实体和关系。 若要创建一个概念模型，从菜单栏选择“文件”->“新建”。在“新建模型”窗口中，选择“模型类型”为“概念”。 你也可以使用下列的功能来创建一个概念模型： 从数据库导入 - 从现有的数据库/模式或 ODBC 数据源逆向工程。 模型转换 - 从一个物理或逻辑模型转换。
-
Navicat Data Modeler 让你创建概念模型，包括实体和关系。 若要创建一个概念模型，从菜单栏选择“文件”->“新建模型”。在“新建模型”窗口中，选择“模型类型”为“概念”。 你也可以使用下列的功能来创建一个概念模型： 从数据库导入 - 从现有的数据库/模式或 ODBC 数据源逆向工程。 模型转换 - 从一个物理或逻辑模型转换。
-
Navicat Premium 让你创建概念模型，包括实体和关系。 在“新建模型”窗口中，选择“模型类型”为“概念”。
-
Navicat Premium 让你创建概念模型，包括实体和关系。 在“新建模型”窗口中，选择“模型类型”为“概念”。
-
Navicat Premium 让你创建概念模型，包括实体和关系。 在“新建模型”窗口中，选择“模型类型”为“概念”。