PyMC公司

PyMC:Python中的贝叶斯随机建模。PyMC和PyMC实现了一个统计马尔可夫链模型。它的灵活性和可扩展性使它适用于一系列的问题。除了核心采样功能外,PyMC还包括汇总输出、绘图、拟合优度和收敛诊断的方法。


数学参考文献,标准条款2)

显示第1到第20个结果,共28个。
按年份排序(引用)
  1. Andrew R.McCluskey;Tim Snow:uravu:简化贝叶斯建模(er)(2020)不是zbMATH
  2. Troy Butler;Wildey,T.;Yen,Tian Yu:随机输入输出图的数据一致性反演(2020年)
  3. Jauch,Michael;Hoff,Peter D.;Dunson,David B.:随机正交矩阵与Cayley变换(2020)
  4. Radivojević,Tijana;Akhmatskaya,Elena:用于贝叶斯推断的改进哈密顿蒙特卡罗法(2020)
  5. Chen,Xi;Hobson,Michael;Das,Saptarshi;Gelderblom,Paul:使用后验重划分提高嵌套抽样的效率和稳健性(2019年)
  6. Clrex,M.,Robinson,M.,Lambert,B.,Lei,C.L.,Ghosh,S.,Mirams,G.R.和Gavaghan,D.J.:噪声时间序列的概率推断(品脱)(2019年)不是zbMATH
  7. Cox,Marco;van de Laar,Thijs;de Vries,Bert:贝叶斯信号处理算法自动设计的因子图方法(2019年)
  8. Kumar,R.;Colin,C.;Hartikainen,A.;Martin,O.A.:一个统一的库,用于探索性分析Python中的贝叶斯模型。(2019年)不是zbMATH
  9. Naik,Pratik;Pandita,Piyush;Aramideh,Soroush;Bilionis,Ilias;Ardekani,Arezoo M.:表面活性剂聚合物驱油的贝叶斯模型校准与优化(2019)
  10. Baydin,Atılım Güneş;Pearlmutter,Barak A.;Radul,Alexey Andreyevich;Siskind,Jeffrey Mark:《机器学习中的自动微分:一项调查》(2018年)
  11. Bou Rabee,Nawaf;Sanz Serna,J.M.:几何积分器和哈密顿蒙特卡罗方法(2018)
  12. Daniel Emaasit:Pymc learn:Python中的实用概率机器学习(2018)阿尔十四
  13. 吉劳姆·鲍达特、马丁·赫泽尔、基兰·凯特、路易斯·曼德尔、阿夫拉哈姆·辛纳:Yaps:Python前端到斯坦(2018)阿尔十四
  14. Jacob Schreiber:石榴:Python中快速灵活的概率建模(2018)
  15. 阿门,赛义德:使用Python分析金融市场(2017)
  16. Ehrhardt,Matthias(编辑);Günther,Michael(编辑);ter Maten,E.Jan W.(编辑):计算金融中的新方法(2017)
  17. Puggioni,Paolo;Jelitai,Marta;Duguid,Ian;van Rossum,Mark C.W.:突触输入属性的提取\textitinvivo(2017)
  18. Wright,James R.;Leyton Brown,Kevin:预测无重复同步移动游戏中的人类行为(2017)
  19. Barany,Vince;ten Cate,Balder;Kimelfeld,Benny;Olteanu,Dan;Vagena,Zografoula:使用数据日志的声明性概率编程(2016)
  20. Hernández Lobato,JoséMiguel;Gelbart,Michael A.;Adams,Ryan P.;Hoffman,Matthew W.;Ghahramani,Zoubin:使用基于信息搜索的约束贝叶斯优化的一般框架(2016)