艾曼纽·巴克利;马丁·邦佩;菲利普·迪根;盖法斯，斯特芬;索伦·鲍尔森五世。 打上钩：用于统计学习的Python库，重点是Hawkes过程和时间相关模型。 （英语） Zbl 1473.62012年 J.马赫。学习。物件。 18（2017-2018），第214号论文，第5页（2018）. 小结：本文介绍打上钩是Python 3的统计学习库，特别强调与时间相关的模型，如点过程、广义线性模型工具和生存分析。该库的核心提供了用于正则化的模型计算类、解算器和近端算子。它依靠C++实现和最先进的优化算法，在单节点多核环境中提供非常快速的计算。源代码和文档可从以下网址下载https://github.com/X-DataInitiative/tick. 引用于6文件 MSC公司： 62-04 统计相关问题的软件、源代码等 62J12型 广义线性模型（逻辑模型） 62号05 可靠性和寿命测试 60G55型 点过程（例如，泊松、考克斯、霍克斯过程） 68T05型 人工智能中的学习和自适应系统 90-04 与运筹学和数学编程有关的问题的软件、源代码等 关键词：学习;蟒蛇;霍克斯过程;优化;广义线性模型;点过程;生存分析 软件：蟒蛇;Scikit公司;勾选;github PDF格式BibTeX公司 XML格式引用 \textit{E.Bacry}等人，J.Mach。学习。第18号决议，第214号论文，第5页（2018；Zbl 1473.62012） 全文： arXiv公司 链接 参考文献： [1] M.Achab、E.Bacry、S.Gaóon ffas、I.Mastromateo和J.-F.Muzy。从多元霍克斯积分累积量中发现因果关系。在2017年国际机器学习会议上，第1-10页。 [2] P.K.Andersen、O.Borgan、R.D.Gill和N.Keiting。基于计数过程的统计模型。施普林格科学，2012年·Zbl 0824.60003号 [3] E.Bacry和J.-F.Muzy。霍克斯过程的二阶统计特征和非参数估计。arXiv预印arXiv:1401.09032014·Zbl 1359.62160号 [4] E.Bacry、I.Mastromateo和J.-F.Muzy。霍克斯处理金融事务。市场微观结构和流动性，1（01）：15500052015。 [5] E.Bacry、T.Jaisson和J.-F.Muzy。缓慢下降的hawkes核的估计：应用于高频订单簿动力学。定量金融，16（8）：1179–12012016·Zbl 1400.62232号 [6] L.Buitink、G.Louppe、M.Blondel、F.Pedregosa、A.Mueller、O.Grisel、V.Niculae、P.Prettenhofer、A.Gramfort、J.Grobler、R.Layton、J VanderPlas、A.Joly、B.Holt和G.Varoqueux。机器学习软件的API设计：来自scikitlearn项目的经验。ECML PKDD研讨会：数据挖掘和机器学习语言，第108–122页，2013年。 [7] R.Johnson和T.Zhang。使用预测方差减少加速随机梯度下降。《神经信息处理系统进展》，第315–3232013页。 [8] E.Lewis和G.Mohler。多尺度hawkes过程的非参数em算法。预印本，第1-16页，2011年。 [9] Y.Ogata。地震发生的统计模型和点过程的残差分析。《美国统计协会杂志》，83（401）：1988年9月27日。 [10] F.Pedregosa、G.Varoqueaux、A.Gramfort、V.Michel、B.Thirion、O.Grisel、M.Blondel、P.Prettenhofer、R.Weiss、V.Dubourg、J.Vanderplas、A.Passos、D.Cournapeau、M.Brucher、M.Perrot和E.Duchesnay。Scikit-learn：Python中的机器学习。机器学习研究杂志，12:2825-28302011·Zbl 1280.68189号 [11] S.Shalev-Shwartz和T.Zhang。正则化损失最小化的随机对偶坐标上升方法。《机器学习研究杂志》，2013年2月14日，第567–599页·Zbl 1307.68073号 [12] H.Xu、M.Farajtabar和H.Zha。学习霍克斯过程的格兰杰因果关系。《机器学习国际会议论文集》，第1717-1726页，2016年。 [13] K.Zhou、H.Zha和L.Song。使用多维hawkes过程学习稀疏低阶网络中的社会传染性。AISTATS，第31卷，第641-649页，2013年。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。