【文件属性】：
文件名称：PyMC3_DataScienceLA:DataScience LA的PyMC3教程（2017年1月）
文件大小：1.05MB
文件格式：ZIP
更新时间：2021-05-19 03:38:43
JupyterNotebook
教程：使用PyMC3进行概率编程
DataScience LA，2017年1月24日
概率编程允许对用户定义的概率模型进行自动贝叶斯推断。 马尔可夫链蒙特卡罗（MCMC）采样的最新进展允许推断日益复杂的模型。 此类MCMC，称为哈密顿量蒙特卡洛（Hamiltonian Monte Carlo），需要梯度信息，而梯度信息通常不易获得。 是使用Python编写的新的开源概率编程框架，该框架使用通过自动微分计算梯度，并即时将概率程序编译为C以提高性能。 与其他概率编程语言相反，PyMC3允许直接在Python代码中指定模型。 该研讨会将向新用户介绍PyMC3软件包，并演示如何实现和拟合模型。
教学大纲
PyMC3简介
变量类型
概率模型
简单案例研究
马尔可夫链蒙特卡洛
大都市采样
基于梯度的采样方法
近似方法
地图
变异推理
ADVI
使用PyMC3建立模型
指定先验和可能性
确定性变量
要
【文件预览】：
PyMC3_DataScienceLA-master
----.gitignore(771B)
----data()
--------cty.dat(140KB)
--------melanoma_data.py(10KB)
--------srrs2.dat(1.57MB)
----LICENSE(6KB)
----notebooks()
--------images()
--------3. Approximation Methods.ipynb(36KB)
--------5. Model Checking.ipynb(227KB)
--------2. Markov Chain Monte Carlo.ipynb(23KB)
--------4. Model Building with PyMC3.ipynb(219KB)
--------1. Introduction to PyMC3.ipynb(255KB)
----README.md(3KB)
----environment.yml(151B)