python的变分贝叶斯推理工具
bayesp的Python项目详细描述
bayespy提供了用python进行贝叶斯推理的工具。用户 构建一个贝叶斯网络模型,观察数据并运行 后验推断。目标是提供一个工具 高效,灵活,可扩展,足以供专家使用,而且 可供更多普通用户使用。
目前,只有变分贝叶斯推理 共轭指数族(变分消息传递)已经 实施未来的工作包括:变分近似 其他类型的分布和可能的其他近似推理 方法如期望传播,拉普拉斯逼近, 马尔可夫链蒙特卡罗(mcmc)等方法。贡献是 欢迎。
项目信息
版权所有(c)2011-2017 Jaakko Luttinen和其他撰稿人(见下文)
bayespy包括文档是根据mit许可证授权的。见 许可证文本或访问的许可证文件 http://opensource.org/licenses/MIT。
Latest release | |
Documentation | http://bayespy.org |
Repository | https://github.com/bayespy/bayespy.git |
Bug reports | https://github.com/bayespy/bayespy/issues |
Author | Jaakko Luttinen jaakko.luttinen@iki.fi |
Chat | |
Mailing list | bayespy@googlegroups.com |
类似项目
VIBES (http://vibes.sourceforge.net/)允许变分推理 在贝叶斯网络上自动执行。它是在 Java并根据修订的BSD许可证发布。
Bayes Blocks (http://research.ics.aalto.fi/bayes/software/)是c++/python 变分构造块框架的实现这个 框架允许使用 变分贝叶斯学习它作为免费软件在 GNU通用公共许可证。
Infer.NET (http://research.microsoft.com/infernet/)是用于 机器学习。它提供消息传递算法和 用于执行贝叶斯推断的统计例程。部分原因是 封闭源代码,仅许可用于非商业用途。
PyMC (https://github.com/pymc-devs/pymc)在python中提供mcmc方法。 它是根据学术自由许可证发布的。
OpenBUGS(http://www.openbugs.info)是 用gibbs进行贝叶斯推理的软件包 取样。它是根据GNU通用公共许可证发布的。
Dimple(http://dimple.probprog.org/)提供 吉布斯抽样、信度传播和其他一些推理算法 Matlab和Java它是在apache许可下发布的。
Stan(http://mc-stan.org/)使用 带有R和Python接口的MCMC它是根据新的bsd发布的 执照。
PBNT - Python Bayesian Network Toolbox (http://pbnt.berlios.de/)是python中的贝叶斯网络库,支持 具有离散变量的静态网络没有关于 执照。
贡献者
投稿人名单:
- Jaakko Luttinen
- 汉努·哈蒂卡宁
- 迪布尔奈尔
- 克里斯托弗·克莱默
- 直到霍夫曼
每个文件或git日志都可以用于获取更详细的信息