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