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 |
连续积分
| Branch | Test status | Test coverage | Documentation |
|---|---|---|---|
| master (stable) | |||
| develop (latest) |
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
欢迎加入QQ群-->： 979659372
