python中的共轭贝叶斯线性回归和分布模型。
conjugate-bayes的Python项目详细描述
共轭贝叶斯模型
最后更新:2019年6月
实现一些共轭贝叶斯模型的轻量级python库。有关派生的详细信息,请参见[1]。
pip3 install conjugate-bayes
我们支持以下内容:
以适应分布模型
- 贝塔伯努利
- 伽马泊松
- 正逆伽马
以拟合回归模型
- 正态逆gamma先验线性回归
- Zellner g-先验线性回归
未来工作
- Dirichlet多项式
- 正常逆Wishart
用法
- 正态逆gamma先验线性回归
- Zellner g-先验线性回归
未来工作
- Dirichlet多项式
- 正常逆Wishart
用法
下面我们给出一个例子来拟合一个具有未知β和未知方差的简单贝叶斯线性回归。
model=NIGLinearRegression(mu=np.zeros(2),v=100*np.eye(2),a=0.5,b=0.5)model.fit(x_tr,y_tr)sigma2=model.get_marginal_sigma2()beta=model.get_conditional_beta(sigma2=sigma2.mean())
上述示例产生以下预测间隔。
有关详细信息,请参阅examples/
文件夹。
参考文献
[1]P.D.Hoff,贝叶斯统计方法的第一门课程(纽约:Springer Verlag,2009)。
许可证
这个库可以在麻省理工学院的许可下使用。