NumPyro公司
稳定的
NumPyro入门
API和开发人员参考
Pyro基本体
分配
推断
效果处理程序
已贡献代码
更改日志
入门教程
使用NumPyro的贝叶斯回归
贝叶斯层次线性回归
示例:棒球平均击球次数
示例:可变自动编码器
示例:Neal’s漏斗
示例:随机波动
示例:ProdLDA与亚麻和Haiku
变量推断参数化
NumPyro模型的自动渲染
后路几何不良及处理方法
截断和折叠分布
离散潜在变量
高斯混合模型
示例:带有离散枚举的玩具混合模型
示例:贝叶斯注释模型
示例:枚举隐马尔可夫模型
示例:CJS生态数据捕获-恢复模型
示例:高斯壳的嵌套采样
离散协变量缺失值的贝叶斯插补
应用程序
时间序列预测
有序回归
贝叶斯插补
示例:高斯过程
示例:贝叶斯神经网络
示例:AutoDAIS
示例:稀疏回归
示例:马蹄回归
示例:比例测试
示例:广义线性混合模型
示例:隐马尔可夫模型
示例:高斯过程的希尔伯特空间近似。
示例:捕食模型
示例:神经运输
示例:使用GP进行贝叶斯优化的Thompson采样
贝叶斯层次叠加:井转换案例研究
示例:正弦倾斜正弦(双变量von Mises)混合
示例:AR2流程
示例:Holt-Winters指数平滑
示例:建模随时间和空间变化的死亡率
示例:零膨胀泊松回归模型
示例:亚麻中的条件变化自动编码器
使用NumPyro的基于文本的理想点
其他推理算法
示例:高数据的MCMC方法
示例:具有节能子采样的哈密顿蒙特卡罗
示例:带有SteinVI的贝叶斯神经网络
示例:使用SteinVI推断的深度马尔可夫模型
NumPyro公司
NumPyro文档
在GitHub上编辑
NumPyro文档
¶
NumPyro入门
API和开发人员参考
Pyro基本体
分配
推断
效果处理程序
贡献的代码
更改日志
入门教程
使用NumPyro的贝叶斯回归
贝叶斯层次线性回归
示例:棒球平均击球次数
示例:可变自动编码器
示例:Neal’s漏斗
示例:随机波动
示例:ProdLDA与亚麻和Haiku
变量推断参数化
NumPyro模型的自动渲染
后路几何不良及处理方法
截断和折叠分布
离散潜在变量
高斯混合模型
示例:带有离散枚举的玩具混合模型
示例:贝叶斯注释模型
示例:枚举隐马尔可夫模型
示例:CJS生态数据捕获-恢复模型
示例:高斯壳的嵌套采样
离散协变量缺失值的贝叶斯插补
应用程序
时间序列预测
有序回归
贝叶斯插补
示例:高斯过程
示例:贝叶斯神经网络
示例:AutoDAIS
示例:稀疏回归
示例:马蹄回归
示例:比例测试
示例:广义线性混合模型
示例:隐马尔可夫模型
示例:高斯过程的希尔伯特空间近似。
示例:捕食模型
示例:神经运输
示例:使用GP进行贝叶斯优化的汤普森采样
贝叶斯层次叠加:井转换案例研究
示例:正弦倾斜正弦(双变量von Mises)混合
示例:AR2流程
示例:Holt-Winters指数平滑
示例:建模随时间和空间的死亡率
示例:零膨胀泊松回归模型
示例:亚麻中的条件变化自动编码器
使用NumPyro的基于文本的理想点
其他推理算法
示例:高数据的MCMC方法
示例:具有节能子采样的哈密顿蒙特卡罗
示例:带有SteinVI的贝叶斯神经网络
示例:使用SteinVI推断的深度马尔可夫模型
索引和表格
¶
索引
模块索引
搜索页面
阅读文档
v: 稳定的
版本
最新的
稳定的
0.14.0
0.13.2
0.13.1条
0.13.0
0.12.1
0.12.0
0.11.0
0.10.1
0.10.0
0.9.2
0.9.1
0.9.0
0.8.0
0.7.2
0.7.1
0.7.0
0.6.0
0.5.0
0.4.1
0.4.0
0.3.0
版本0.2.4
版本0.2.3
版本0.2.2
版本0.2.1
版本0.2.0
版本0.1.0
固定-docs
下载
pdf格式
关于阅读文档
项目主页
生成