????????????
ベイズ推論による機械学習入門　須山 敦志　著　を読む
????????????
結局、Juliaによる10個のサンプルプログラムを動かくのに、少し悪戦苦闘したが、
結論は、Julia ver 0.6.4をOlder Releasesからダウンロードしておく。
Julia ver 1.2はさておき、ver 0.7や、ver 0.4.7まで導入してしまったので、
次にターミナルから、.bashrcにpath、

.bash_profileにalias

を登録をして、コメントアウトでどれを使用するか、調整しておく。
次に、macOSでJuliaをJupyter Notebookで使えるようにするまでの手順等を参考に、JupyterでJuliaが稼働できるようにしておく。

あとは、scipyやscikit-learnは、anacondaにできたJulia用の環境で、installしておく。

????????????
あとは、ターミナルからjuliaを立ち上げて、

で、Jupyterを立ち上げて、Julia ver0.6.4を指定して、コードを入力していく。
????????????
学習用の[機械学習スタートアップシリーズ ベイズ推論による機械学習入門」のサンプルコード]と書籍の内容との関係が全く不明瞭なまま、ここまで進めてきたので、整理しておく。

ベイズ推論による機械学習入門
第1章 機械学習とベイズ学習
1.2 機械学習の代表的なタスク
1.2.2 分類
? demo_LogisticRegression.jl
LogisticRegression.jl
1.2.3 クラスタリング
? demo_GaussianMixtureModel.jl
　　GaussianMixtureModel.jl
　1.2.4 次元削減
? demo_DimensionalityReduction.jl
DimensionalityReduction.jl

第2章 基本的な分布

第3章 ベイズ推論による学習と予測
3.1 学習と予測
3.1.4 共役でない事前分布の利用
? demo_nonconjugate.jl
3.5 線形回帰の例
3.5.3 モデルの比較
? demo_PolynomialRegression.jl

第4章 混合モデルと近似推論
4.2 確率分布の近似手法
　4.2.1 ギブスサンプリング
　4.2.2 変分推論
? demo_Simple2DGauss.jl
4.3 ポアソン混合モデルにおける推論
　4.3.1 ポアソン混合モデル　
? demo_PoissonMixtureModel.jl
　　PoissonMixtureModel.jl
4.4 ガウス混合モデルにおける推論

第5章 応用モデルの構築と推論　
5.2 非負値行列因子分解
5.2.1　行列モデル
? demo_nonconjugate.jl
5.3 隠れマルコフモデル
? demo_PoissonHMM.jl
　　PoissonHMM.jl
5.7 ニューラルネットワーク
　5.7.3 連続値の予測
? demo_BayesNeuralNet.jl
　　BayesNeuralNet.jl