实现一些通用mcmc例程的python模块
py-mcmc的Python项目详细描述
实现一些通用mcmc例程的python模块
=======================================================
本模块的主要目的是作为
通用型号。也许目前最有用的贡献是
它可用于训练在
[gpy包]（http://sheffieldml.github.io/gpy/）。
功能
--
该代码目前具有以下特点：
+完全面向对象。这些型号一上市就可以是任何型号
正确的界面。
+随机步行建议。
+大都市调整后的朗之万动力。
+MCMC链存储在fast[hdf5]中（http://www.hdfgroup.org/hdf5/）
使用[pytables]格式（http://www.pytables.org/moin）。
+平均函数可以添加到
[gpy包]（http://sheffieldml.github.io/gpy/）。
安装
----
克隆包，进入其目录并执行以下操作：
```
python setup.py安装
```
相关软件包
--
可能与我提供的最相关的软件包是
[pymc]代码（https://github.com/pymc-devs/pymc）。我离开的原因
它有两个方面：
+在旧版本中（例如
[pymc 2.3]（http://pymc devs.github.io/pymc/index.html）找不到一个简单的
如何实施大都市调整后的朗之万动力。这很不幸
因为当导数为
可用。
+在新版本中（例如
[pymc 3]（http://nbviewer.ipython.org/github/pymc devs/pymc/blob/master/pymc/examples/tutorial.ipynb）。
基于[theano]（http://www.deeplearning.net/software/theano/）
带导数的方案很容易实现，但有几个问题 当一个人试图处理现有的模型时。尤其是，这是不可能的
目前，以简单的方式处理未直接实现的模型
使用ano（例如，如果它调用外部库或运行复杂的程序）。
在求解实际逆问题时，这是一个巨大的限制
问题。另外，利用高斯过程并不容易
GPY的功能，以便用MCMC训练这些模型。
因此，本包的目的是填补PYMC 2.3之间的空白
和PYMC 3。当PYMC3的编程人员修复上述问题时，
此代码的mcmc部分将过时。
其他有用的软件包
----
我还编写了一些与py-mcmc结合使用的其他软件包：
+[py orthpol]（https://github.com/ebilionis/py orthpol）：正交构造
关于任意权函数的多项式。这些可能有用
作为本文讨论的高斯过程的平均函数。它们可以被使用
直接。
+[py设计]（https://github.com/ebilionis/py设计）：实验设计
Python。如果您试图学习
计算机代码，您需要一个好的点设计来评估它。
演示
----
我提供了各种演示，演示如何使用代码：
+[demos/demo1.py]（demos/demo1.py）：演示如何使用MCMC训练GPY模型。
+[demos/demos2.py]（demos/demos2.py）：演示如何训练一个有平均分的家庭医生。
该模型等价于贝叶斯线性回归。
+[demos/demos3.py]（demos/demos3.py）：演示GP如何使用
可以使用基函数的自动相关性确定。这是
相当于相关向量机模型。
+[demos/demos4.py]（demos/demos4.py）：演示GP如何使用平均CA不可能
与正态协方差核结合。
胆汁性髂骨炎，
2014年12月
预测科学实验室，
机械工程学院，
普渡大学，
西拉斐特，美国
=======================================================
本模块的主要目的是作为
通用型号。也许目前最有用的贡献是
它可用于训练在
[gpy包]（http://sheffieldml.github.io/gpy/）。
功能
--
该代码目前具有以下特点：
+完全面向对象。这些型号一上市就可以是任何型号
正确的界面。
+随机步行建议。
+大都市调整后的朗之万动力。
+MCMC链存储在fast[hdf5]中（http://www.hdfgroup.org/hdf5/）
使用[pytables]格式（http://www.pytables.org/moin）。
+平均函数可以添加到
[gpy包]（http://sheffieldml.github.io/gpy/）。
安装
----
克隆包，进入其目录并执行以下操作：
```
python setup.py安装
```
相关软件包
--
可能与我提供的最相关的软件包是
[pymc]代码（https://github.com/pymc-devs/pymc）。我离开的原因
它有两个方面：
+在旧版本中（例如
[pymc 2.3]（http://pymc devs.github.io/pymc/index.html）找不到一个简单的
如何实施大都市调整后的朗之万动力。这很不幸
因为当导数为
可用。
+在新版本中（例如
[pymc 3]（http://nbviewer.ipython.org/github/pymc devs/pymc/blob/master/pymc/examples/tutorial.ipynb）。
基于[theano]（http://www.deeplearning.net/software/theano/）
带导数的方案很容易实现，但有几个问题 当一个人试图处理现有的模型时。尤其是，这是不可能的
目前，以简单的方式处理未直接实现的模型
使用ano（例如，如果它调用外部库或运行复杂的程序）。
在求解实际逆问题时，这是一个巨大的限制
问题。另外，利用高斯过程并不容易
GPY的功能，以便用MCMC训练这些模型。
因此，本包的目的是填补PYMC 2.3之间的空白
和PYMC 3。当PYMC3的编程人员修复上述问题时，
此代码的mcmc部分将过时。
其他有用的软件包
----
我还编写了一些与py-mcmc结合使用的其他软件包：
+[py orthpol]（https://github.com/ebilionis/py orthpol）：正交构造
关于任意权函数的多项式。这些可能有用
作为本文讨论的高斯过程的平均函数。它们可以被使用
直接。
+[py设计]（https://github.com/ebilionis/py设计）：实验设计
Python。如果您试图学习
计算机代码，您需要一个好的点设计来评估它。
演示
----
我提供了各种演示，演示如何使用代码：
+[demos/demo1.py]（demos/demo1.py）：演示如何使用MCMC训练GPY模型。
+[demos/demos2.py]（demos/demos2.py）：演示如何训练一个有平均分的家庭医生。
该模型等价于贝叶斯线性回归。
+[demos/demos3.py]（demos/demos3.py）：演示GP如何使用
可以使用基函数的自动相关性确定。这是
相当于相关向量机模型。
+[demos/demos4.py]（demos/demos4.py）：演示GP如何使用平均CA不可能
与正态协方差核结合。
胆汁性髂骨炎，
2014年12月
预测科学实验室，
机械工程学院，
普渡大学，
西拉斐特，美国
欢迎加入QQ群-->： 979659372
