使用PyMC进行Python概率编程

Scidown文献预览系统！

作者：scidown 发布时间：2021-06-05 21:32:39 文章标题：

使用PyMC进行Python概率编程( Probabilistic Programming in Python using PyMC )

文章作者：

J Salvatier T Wiecki C Fonnesbeck Statistics - Computation

文章简述：

概率规划(PP)允许在代码中灵活地规范贝叶斯统计模型。PyMC3是一个新的、开源的PP框架，它具有直观、可读、但功能强大的语法，接近于统计学家用来描述模型的自然语法。它具有下一代马尔可夫链蒙特卡罗(MCMC)采样算法，如无掉头采样器（Nuts；Hoffman，2014)，哈密顿蒙特卡罗的自校正变体（HMC；Duane，1987)。Python中的概率编程提供了许多优点，包括多平台兼容性、表达清晰且可读的语法、与其他科学库的轻松集成以及通过C、C++、Fortran或Cython的可扩展性。这些特性使得编写和使用自定义统计分布、采样器和转换函数相对简单，正如贝叶斯分析所要求的那样。

文章下载地址（开放版）：