python中的最大熵和最小散度模型
maxentrop的Python项目详细描述
H1>最大熵：Python 中的最大熵和最小散度模型
目的
这个包帮助您构造一个概率分布 （贝叶斯先验）从你编码为 广义矩约束。
您可以使用它来：
使用 最大熵原理（仅离散分布）
或者找到与给定的先验模型最接近的模型（在kl散度中 这也满足了你的附加约束。
背景
极大熵原理已被证明是[Cox 1982，Jaynes-2003 ]是唯一一致的方法。 从可用作“可测试信息”的先验信息构造离散概率分布。
如果约束具有线性矩约束的形式，则 这个原理产生了一个独特的概率分布 指数形式。最著名的概率分布是 最大熵分布的特殊情况。这包括 均匀，几何，指数，帕累托，正态，冯·米塞斯，柯西， 以及其他：参见 here。
示例：构造具有已知约束的先验主题
请参阅notebooks folder。
快速启动指南
这是一个很好的开始：Loaded die example (scikit-learn estimator API)
历史记录
这个包裹以前住在希比
从版本v0.5到版本v0.10，（http://scipy.org）为scipy.maxentropy。
它在维护和从scipy v0.11中移除。从那以后
复活并重构使用scikit学习估计器inteface。
版权所有
（c）Ed Schofield，2003-2019年
欢迎加入QQ群-->： 979659372
