PyMC：专注于先进的马尔可夫链蒙特卡罗算法-python

PyMC：专注于先进的马尔可夫链蒙特卡罗算法 PyMC3 是一个用于贝叶斯统计建模和概率机器学习的 Python 包，专注于高级马尔可夫链蒙特卡罗 (MCMC) 和变分推理 (VI) 算法。 它的灵活性和可扩展性使其适用于大量问题。 查看入门指南，或使用 Binder 与现场示例互动！ 特性 直观的模型规范语法，例如，x ~ N(0,1) 转换为 x = Normal('x',0,1) 强大的采样算法，例如 No U-Turn Sampler，允许具有数千个拟合算法的专业知识很少的参数。 变分推理：用于快速近似后验估计的 ADVI 以及用于大数据集的小批量 ADVI。 依赖 Theano，它提供： 计算优化和动态 C 编译 Numpy 广播和高级索引 线性代数运算符 简单的可扩展性 对缺失值插补的透明支持 入门 如果您已经了解贝叶斯统计：API 快速入门指南 PyMC3 教程 PyMC3 示例和 API 参考通过一本书和 PyMC3 一起学习贝叶斯统计：Probabilistic Programming and Bayesian Methods for Hackers：非常棒