文件名称：py-mcmc:一个简单的 MCMC 框架，用于训练向 GPy 添加功能的高斯过程
文件大小：31KB
文件格式：ZIP
更新时间：2024-07-29 01:45:58
Python
实现一些通用 MCMC 例程的 python 模块 该模块的主要目的是作为通用模型的简单 MCMC 框架。 目前最有用的贡献可能是它可以用于训练在实现的高斯过程 (GP) 模型。 特征 该代码目前具有以下功能： 完全面向对象。 只要提供正确的界面，模型就可以是任何类型。 随机游走建议。 Metropolis 调整了朗之万动力学。 MCMC 链使用以快速格式存储。 可以将均值函数添加到的 (GP) 模型中。 安装 克隆包，进入其目录并执行以下操作： python setup.py install 相关软件包 可能与我提供的最相关的包是优秀的代码。 我离开它的原因有两个： 在旧版本（例如 ）中，找不到实现 Metropolis Adjusted Langevin Dynamics 的简单方法。 这是不幸的，因为当导数可用时，它是最强大的采样方法之一。 在新版本中（例如 ，它基
【文件预览】：
py-mcmc-master
----demos()
--------demo4.py(4KB)
--------demo1.py(1KB)
--------demo2.py(4KB)
--------demo3.py(4KB)
----unittests()
--------test_GPyModel.py(814B)
--------table_tests.py(1KB)
--------test_mcmc.py(1KB)
----pymcmc()
--------_assign_priors_to_gpy_model.py(2KB)
--------_single_parameter_tunable_proposal_concept.py(6KB)
--------_simple_proposal.py(2KB)
--------_grad_proposal.py(2KB)
--------_mean_function.py(6KB)
--------_tunable_proposal_concept.py(1KB)
--------_metropolis_hastings.py(6KB)
--------_model.py(3KB)
--------_random_walk_proposal.py(2KB)
--------__init__.py(571B)
--------_gpy_model.py(3KB)
--------_priors.py(4KB)
--------_proposal.py(2KB)
--------_database.py(4KB)
--------_mala_proposal.py(2KB)
--------_symmetric_proposal.py(679B)
--------_utils.py(1KB)
----LICENSE(7KB)
----setup.cfg(40B)
----setup.py(1KB)
----README.md(4KB)
----.gitignore(23B)