python中的实用概率机器学习
pymc-learn的Python项目详细描述
保留所有权利。
源代码的重新分发必须保留上述版权声明，
此条件列表和以下免责声明。
2.二进制形式的再分配必须复制上述版权声明，
此条件列表和文档中的以下免责声明
和/或与再分配一起提供的其他材料。
3.未经事先书面许可，PYMC Learn的名称或任何贡献者的姓名均不得用于认可或推广从本软件衍生的产品。
对适销性和特定用途适用性的默示保证不承担责任。在任何情况下，版权所有人或贡献者均不对任何直接、间接、附带、特殊、惩戒性或后果性损害（包括但不限于购买替代货物或服务；使用、数据或利润损失；或业务中断）承担责任，无论其由何原因引起，也不以任何责任理论为依据，无论是在
合同、严格责任或侵权（包括疏忽或其他）中，
因使用本软件而引起的，即使被告知存在这种损坏的可能性。
图片：：https://github.com/pymc-learn/pymc-learn/blob/master/docs/logos/pymc-learn-logo.jpg？raw=true
：width:350px
：alt:pymc learn logo
：align:center
` Github回购协议` PYMC学到了什么？`
`快速安装。`快速入门。`索引`
…_ Github回购协议：https://github.com/pymc learn/pymc learn
----
*pymc learn是一个实用的概率库，用于python中的机器学习*
它为有监督的和无监督的机器学习提供了各种最新的概率模型。**它的灵感来自**
`scikit learn<；http://scikit learn.org>；`````并专注于将概率
机器学习带给非专家**。它使用模仿scikit learn的语法。
强调易用性、生产力、灵活性、性能，
文档和与scikit learn一致的api。它依赖于scikit learn
和"pymc3<；https://docs.pymc.io/>；"，并在新的bsd-3许可下发布，
鼓励在学术界和工业界使用它。
mcmc或变分推理--
由'pymc3<；https://docs.pymc.io/>；` ` ` ` `.
提供。请参阅：doc:`why`以获取有关创建'pymc learn`的原因的更详细描述。
注：：
``pymc learn``利用并扩展
pymc3模型项目提供的基本模板：https://github.com/parsing science/pymc3_models
…raw：：html
<；embed>；
<；blockquote class="twitter tweet"data lang="en">；<；p lang="en"dir="ltr">；<；a href="https://twitter.com/pymc\u学习？ref_src=twsrc%5etfw">；@pymc_learn<；/a>；一直在密切关注<；a href="https://twitter.com/hashtag/pymc4"的发展？src=hash&；ref&u src=twsrc%5etfw">；"pymc4<；/a>；，目的是从<；a href="https://twitter.com/hashtag/pymc3"切换其后端？src=hash&；ref&u src=twsrc%5etfw">；"pymc3<；/a>；到pymc4，后者逐渐成熟。邀请核心开发人员。这里是PYMC4的暂定路线图：https://t.co/kwjkykqzup>；https://t.co/kwjkykqzup<；/a>；cc<；a href="https://twitter.com/pymc廑u devs？ref_src=twsrc%5etfw">；@pymc_devs<；/a>；<；a href="https://t.co/ze0typsig">；https://t.co/ze0typsig<；/a>；<；/p>；&；mdash；pymc learn（@pymc_learn）<；a href="https://twitter.com/pymc_learn/status/1059474316801249280？ref_src=twsrc%5etfw">；2018年11月5日<；/a>；<；/blockquote>；<；脚本异步src="https://platform.twitter.com/widgets.js"charset="utf-8">；<；/script>；
<；/embed>；
----
-————
``pymc learn``模拟scikit learn。您不必完全重写scikit学习ml代码。代码块：：python
earregression（）
lr.fit（x，y）lr.fit（x，y）
Neal.这会产生模型
参数和预测的校准不确定量。
----
quick install
----
``pymc learn``需要一个工作的python解释器（2.7或3.5+）。
建议使用'anaconda distribution<；https://www.anaconda.com/download/>；` `，
安装python和关键的数字库，它在所有主要平台上都有一键安装程序。
假设安装了标准python环境。d在您的机器上
（包括pip），`pymc learn``本身可以使用pip安装在一行中：
代码块：：bash
代码块：：bash
pip install git+https://github.com/pymc learn/pymc learn
…注意：
``pymc learn``正在大力开发中。
建议在conda环境中安装``pymc learn``因为它提供了'math kernel library<；https://anaconda.org/anaconda/mkl service>；`（mkl）
例程加速数学函数。如果遇到问题，请尝试使用包含这些包的python发行版，如
`anaconda<；https://www.anaconda.com/download/>；` ` `.
dependencies
`` pymc learn``在python 2.7、3.5和3.6上进行测试，它取决于no、
pymc3、scikit learn、numpy、scipy和matplotlib（请参见``requirements.txt``
用于版本信息）。
----
快速入门代码块：：python
whitekernel
>；x，y=make_friedman2（n_samples=500，noise=0，random_state=0）
>；>；kernel=dotproduct（）+whitekernel（）
>；>；gpr=gaussianprocesssregrator（kernel=kernel）。fit（x，y）
>；gpr.score（x，y）
0.3680…
>；>；gt；gpr.预测（x[：2，：]，返回标准值=真）
（数组（[653.0…，592.1…]），数组（[316.6…，316.6…]）
----
复杂模型的发展导致了变分推理算法的发展，这种算法与mcmc算法一样快速和灵活。例如，下面的代码说明了自动差分变分推理（advi）。代码块：：python
from pmlearn.neural\u network import mlpclassier
model=mlpclassier（）
model.fit（x_train，y_train，inference_type="advi"）
这些算法适合于将抽样问题转化为优化问题的后验分布（如正态分布）。ADVI是PYMC3提供的。
---
引用PYMC learn
----
要引用出版物中的"PYMC learn"，请使用以下内容：
代码块：：latex
@article{emaasit2018pymc，
title={pymc learn:practical probability machine learning in{p}ython}，
author={emaasit，daniel and others}，
journal={arxiv preprint arxiv:1811.00542}，
year={2018}
如果你想引用"pymc learn"作为它的api，你也可以考虑
这个引用：
carlson，nicole（2018）。基于scikit learn
api构建的自定义pymc3模型。https://github.com/parsing science/pymc3_models
或使用bibtex如下：
…代码块：：latex
@文章{pymc3-u模型，
标题{pymc3-u模型：基于scikit学习api构建的自定义pymc3模型，
作者{carlson，nicole}，
日志{}，
url={https://github.com/parsing science/pymc3-u模型}
年份{2018}
}
许可证
……………
`new bsd-3许可证<；https://github.com/pymc learn/pymc learn/blob/master/license>；`_
----
index
----
**入门**
*：doc:`install`
*：doc:`support`
*：doc:`why`
……目录树：：
：最大深度：1
：隐藏：
：标题：开始安装。rst
支持。rst
原因。rst
----
**用户指南**
主要文档。这包含对所有模型的深入描述
以及如何应用它们。
*：doc:`user_guide`
。目录树：：
：最大深度：1
：隐藏：
：标题：用户指南
用户指南。rst
----
**示例**
*：doc:`regression`
*：doc:`classification`
*：doc:`mixe`
*：doc:`neural\u networks`
*：doc:`api`
。目录树：：
：最大深度：1
：隐藏：
：标题：示例
erence**
``pymc learn``利用并扩展pymc3
models项目提供的基本模板：https://github.com/parsing science/pymc3\u models.
*：doc:`api`
。目录树：：
：最大深度：1
：隐藏：
：标题：api引用
----
**帮助和引用**
*：doc:`develop`
*：doc:`support`
*：doc:`changelog`
*：doc:`cite`
…目录树：：
：最大深度：1
：隐藏：
：标题：帮助和参考
development.rst
support.rst
changelog.rst
cite.rst
|活页夹图片：：https://img.shields.io/badge/try-online-579aca.svg？logo=data:image/png；base64，ivborw0kggoaaaaaaaaaaaaaaaababababababababababababababababababababababababababababababababababababababababa8mvex///9xmsrmzyh1olljxmsrmzl1olljxmsrmzl1olljxmsrmzl1olljxmsrmzl1oll1olljxmsrmzl1olljxmsrmzyh1olljxmsrmzyh1olljxmsrmzyl1olljxmsrmzl1oll1oll1olljxmsrmjxmsrmzl1oll1oll1oll1olljxmsrmSR1OL1OLJXMSRMZYH1OLJX系列当一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或H7jbidiroeibonkamHQ+PNACVG6Q型在6个工程项目中，对6个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型Gv7VQ+TayJ5ZC/UJSPVS15CWWWWJJJGGEPBOSP7F7WWWWWWWWWJJJJGGEPBOSP7F7WWW7WW7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W6NRMCAVGZVT/3DA2A25NHVSOHJCRDC12R3D7W7W7W7W7W7W7W5W5W5W5W6NRMCV6NRMCAVGZV7W5V7W5N6W7W7W7W5N6W7W7W7W5N5N9ryg9ug/fzqu4aeg8ze9ljgmztmqkxplnlw型VZVNQQQVNQQQVVVVV7VGJJJYVJJYVJJJYVJVJJJVVJJVVVJ5OTE5OTM7RMP7XM+SK2GV9I8Gi++BRBER9EBW8ZRUKW8ZRUKKXQQQQQQQQQQQZZW9L9LQQQXPP3/TJ///C3YB0TQZMM05/+ORHLKSVO+95KX7/7GGJVNJLRFR2GGG9Y0009UPZN5SPD5SPD865SPD8AXGWW88AXGWZW8ZWW8ZW8ZW8ZZWWZW5555q55tm7ifhmltgpycas7rfrhn47jnlcb9rm5t97asuzxicvnuudindpddsfRqsoppexl5y+xvkdjfcth+zgavuj0d9zy05ppk3qzbamxdwitcrzyg/2rvf2estujordgwa/kx9msjl8兆兆瓦TW8HGJC2R5HS2196IIF6PNTusOQCM157GM0Z8KmaQQQQZYZN7ZZZZZZZZZZZZZZZZZZZZZN9QLNXYNX9QLNNXY0ECUL2YS/MSRQL7UFOZUFUJ2FE2PO/YaXXXXXXXXPPDWMMZWMMMZZMMKCNHGANQQG7TEKKXX0KKKW0KCLCLQZZZZ0OW0OKZZZZZZZZG9XMVA7ARJ7ZZZZZZZZZZZZZZZZZQQQQQQQQM2ZZZ3VKCEZ0PN5IUFFLQVGUN4C0QNQYS5YHPL+AVZYDE4型对不起，suqmcc
：目标：https://mybinder.org/v2/gh/pymc-learn/pymc-learn/master？文件路径=%2fdocs%2fNotebooks？urlpath=lab
。https://travis-ci.com/pymc-learn/pymc-learn.svgbranch=master
：目标：https://travis-ci.com/pymc-learn/pymc-learn
。https://coveralls.io/repos/github/pymc-learn/pymc-learn/badge.svg？branch=master
：目标：https://coveralls.io/github/pymc-learn/pymc-learn？分支=主
。图片：https://img.shields.io/badge/python-2.7-blue.svg
：目标：https://badge.fury.io/py/pymc-learn
。图片：https://img.shields.io/badge/python-3.6-blue.svg
：目标：https://badge.fury.io/py/pymc-learn
。https://readthedocs.org/projects/pymc-learn/badge/？version=latest
：目标：https://pymc-learn.readthedocs.io/en/latest/？徽章=最新
：alt：文档状态
。图片：https://img.shields.io/badge/license-bsd-blue.svg
：alt:hex.pm
：目标：https://github.com/pymc-learn/pymc-learn/blob/master/license
图片：：https://badge.fury.io/py/pymc-learn.svg
：目标：https://badge.fury.io/py/pymc-learn
。图像：：https://img.shields.io/badge/status-beta-blue.svg
平台：未知
分类器：编程语言：：python
分类器：编程语言：：2
分类器：编程语言：：3
分类器：编程语言：：python：：2.7
c分类器：编程语言：：3.4
分类器：编程语言：：python：：3.5
分类器：编程语言：：python：：3.6
分类器：主题：：科学/工程
分类器：主题：：科学/工程：：数学
分类器：操作系统m：：操作系统无关
源代码的重新分发必须保留上述版权声明，
此条件列表和以下免责声明。
2.二进制形式的再分配必须复制上述版权声明，
此条件列表和文档中的以下免责声明
和/或与再分配一起提供的其他材料。
3.未经事先书面许可，PYMC Learn的名称或任何贡献者的姓名均不得用于认可或推广从本软件衍生的产品。
对适销性和特定用途适用性的默示保证不承担责任。在任何情况下，版权所有人或贡献者均不对任何直接、间接、附带、特殊、惩戒性或后果性损害（包括但不限于购买替代货物或服务；使用、数据或利润损失；或业务中断）承担责任，无论其由何原因引起，也不以任何责任理论为依据，无论是在
合同、严格责任或侵权（包括疏忽或其他）中，
因使用本软件而引起的，即使被告知存在这种损坏的可能性。
图片：：https://github.com/pymc-learn/pymc-learn/blob/master/docs/logos/pymc-learn-logo.jpg？raw=true
：width:350px
：alt:pymc learn logo
：align:center
` Github回购协议` PYMC学到了什么？`
`快速安装。`快速入门。`索引`
…_ Github回购协议：https://github.com/pymc learn/pymc learn
----
*pymc learn是一个实用的概率库，用于python中的机器学习*
它为有监督的和无监督的机器学习提供了各种最新的概率模型。**它的灵感来自**
`scikit learn<；http://scikit learn.org>；`````并专注于将概率
机器学习带给非专家**。它使用模仿scikit learn的语法。
强调易用性、生产力、灵活性、性能，
文档和与scikit learn一致的api。它依赖于scikit learn
和"pymc3<；https://docs.pymc.io/>；"，并在新的bsd-3许可下发布，
鼓励在学术界和工业界使用它。
mcmc或变分推理--
由'pymc3<；https://docs.pymc.io/>；` ` ` ` `.
提供。请参阅：doc:`why`以获取有关创建'pymc learn`的原因的更详细描述。
注：：
``pymc learn``利用并扩展
pymc3模型项目提供的基本模板：https://github.com/parsing science/pymc3_models
…raw：：html
<；embed>；
<；blockquote class="twitter tweet"data lang="en">；<；p lang="en"dir="ltr">；<；a href="https://twitter.com/pymc\u学习？ref_src=twsrc%5etfw">；@pymc_learn<；/a>；一直在密切关注<；a href="https://twitter.com/hashtag/pymc4"的发展？src=hash&；ref&u src=twsrc%5etfw">；"pymc4<；/a>；，目的是从<；a href="https://twitter.com/hashtag/pymc3"切换其后端？src=hash&；ref&u src=twsrc%5etfw">；"pymc3<；/a>；到pymc4，后者逐渐成熟。邀请核心开发人员。这里是PYMC4的暂定路线图：https://t.co/kwjkykqzup>；https://t.co/kwjkykqzup<；/a>；cc<；a href="https://twitter.com/pymc廑u devs？ref_src=twsrc%5etfw">；@pymc_devs<；/a>；<；a href="https://t.co/ze0typsig">；https://t.co/ze0typsig<；/a>；<；/p>；&；mdash；pymc learn（@pymc_learn）<；a href="https://twitter.com/pymc_learn/status/1059474316801249280？ref_src=twsrc%5etfw">；2018年11月5日<；/a>；<；/blockquote>；<；脚本异步src="https://platform.twitter.com/widgets.js"charset="utf-8">；<；/script>；
<；/embed>；
----
-————
``pymc learn``模拟scikit learn。您不必完全重写scikit学习ml代码。代码块：：python
earregression（）
lr.fit（x，y）lr.fit（x，y）
Neal.这会产生模型
参数和预测的校准不确定量。
----
quick install
----
``pymc learn``需要一个工作的python解释器（2.7或3.5+）。
建议使用'anaconda distribution<；https://www.anaconda.com/download/>；` `，
安装python和关键的数字库，它在所有主要平台上都有一键安装程序。
假设安装了标准python环境。d在您的机器上
（包括pip），`pymc learn``本身可以使用pip安装在一行中：
代码块：：bash
代码块：：bash
pip install git+https://github.com/pymc learn/pymc learn
…注意：
``pymc learn``正在大力开发中。
建议在conda环境中安装``pymc learn``因为它提供了'math kernel library<；https://anaconda.org/anaconda/mkl service>；`（mkl）
例程加速数学函数。如果遇到问题，请尝试使用包含这些包的python发行版，如
`anaconda<；https://www.anaconda.com/download/>；` ` `.
dependencies
`` pymc learn``在python 2.7、3.5和3.6上进行测试，它取决于no、
pymc3、scikit learn、numpy、scipy和matplotlib（请参见``requirements.txt``
用于版本信息）。
----
快速入门代码块：：python
whitekernel
>；x，y=make_friedman2（n_samples=500，noise=0，random_state=0）
>；>；kernel=dotproduct（）+whitekernel（）
>；>；gpr=gaussianprocesssregrator（kernel=kernel）。fit（x，y）
>；gpr.score（x，y）
0.3680…
>；>；gt；gpr.预测（x[：2，：]，返回标准值=真）
（数组（[653.0…，592.1…]），数组（[316.6…，316.6…]）
----
复杂模型的发展导致了变分推理算法的发展，这种算法与mcmc算法一样快速和灵活。例如，下面的代码说明了自动差分变分推理（advi）。代码块：：python
from pmlearn.neural\u network import mlpclassier
model=mlpclassier（）
model.fit（x_train，y_train，inference_type="advi"）
这些算法适合于将抽样问题转化为优化问题的后验分布（如正态分布）。ADVI是PYMC3提供的。
---
引用PYMC learn
----
要引用出版物中的"PYMC learn"，请使用以下内容：
代码块：：latex
@article{emaasit2018pymc，
title={pymc learn:practical probability machine learning in{p}ython}，
author={emaasit，daniel and others}，
journal={arxiv preprint arxiv:1811.00542}，
year={2018}
如果你想引用"pymc learn"作为它的api，你也可以考虑
这个引用：
carlson，nicole（2018）。基于scikit learn
api构建的自定义pymc3模型。https://github.com/parsing science/pymc3_models
或使用bibtex如下：
…代码块：：latex
@文章{pymc3-u模型，
标题{pymc3-u模型：基于scikit学习api构建的自定义pymc3模型，
作者{carlson，nicole}，
日志{}，
url={https://github.com/parsing science/pymc3-u模型}
年份{2018}
}
许可证
……………
`new bsd-3许可证<；https://github.com/pymc learn/pymc learn/blob/master/license>；`_
----
index
----
**入门**
*：doc:`install`
*：doc:`support`
*：doc:`why`
……目录树：：
：最大深度：1
：隐藏：
：标题：开始安装。rst
支持。rst
原因。rst
----
**用户指南**
主要文档。这包含对所有模型的深入描述
以及如何应用它们。
*：doc:`user_guide`
。目录树：：
：最大深度：1
：隐藏：
：标题：用户指南
用户指南。rst
----
**示例**
*：doc:`regression`
*：doc:`classification`
*：doc:`mixe`
*：doc:`neural\u networks`
*：doc:`api`
。目录树：：
：最大深度：1
：隐藏：
：标题：示例
erence**
``pymc learn``利用并扩展pymc3
models项目提供的基本模板：https://github.com/parsing science/pymc3\u models.
*：doc:`api`
。目录树：：
：最大深度：1
：隐藏：
：标题：api引用
----
**帮助和引用**
*：doc:`develop`
*：doc:`support`
*：doc:`changelog`
*：doc:`cite`
…目录树：：
：最大深度：1
：隐藏：
：标题：帮助和参考
development.rst
support.rst
changelog.rst
cite.rst
|活页夹图片：：https://img.shields.io/badge/try-online-579aca.svg？logo=data:image/png；base64，ivborw0kggoaaaaaaaaaaaaaaaababababababababababababababababababababababababababababababababababababababababa8mvex///9xmsrmzyh1olljxmsrmzl1olljxmsrmzl1olljxmsrmzl1olljxmsrmzl1oll1olljxmsrmzl1olljxmsrmzyh1olljxmsrmzyh1olljxmsrmzyl1olljxmsrmzl1oll1oll1olljxmsrmjxmsrmzl1oll1oll1oll1olljxmsrmSR1OL1OLJXMSRMZYH1OLJX系列当一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或一个国家或H7jbidiroeibonkamHQ+PNACVG6Q型在6个工程项目中，对6个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型Gv7VQ+TayJ5ZC/UJSPVS15CWWWWJJJGGEPBOSP7F7WWWWWWWWWJJJJGGEPBOSP7F7WWW7WW7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W7W6NRMCAVGZVT/3DA2A25NHVSOHJCRDC12R3D7W7W7W7W7W7W7W5W5W5W5W6NRMCV6NRMCAVGZV7W5V7W5N6W7W7W7W5N6W7W7W7W5N5N9ryg9ug/fzqu4aeg8ze9ljgmztmqkxplnlw型VZVNQQQVNQQQVVVVV7VGJJJYVJJYVJJJYVJVJJJVVJJVVVJ5OTE5OTM7RMP7XM+SK2GV9I8Gi++BRBER9EBW8ZRUKW8ZRUKKXQQQQQQQQQQQZZW9L9LQQQXPP3/TJ///C3YB0TQZMM05/+ORHLKSVO+95KX7/7GGJVNJLRFR2GGG9Y0009UPZN5SPD5SPD865SPD8AXGWW88AXGWZW8ZWW8ZW8ZW8ZZWWZW5555q55tm7ifhmltgpycas7rfrhn47jnlcb9rm5t97asuzxicvnuudindpddsfRqsoppexl5y+xvkdjfcth+zgavuj0d9zy05ppk3qzbamxdwitcrzyg/2rvf2estujordgwa/kx9msjl8兆兆瓦TW8HGJC2R5HS2196IIF6PNTusOQCM157GM0Z8KmaQQQQZYZN7ZZZZZZZZZZZZZZZZZZZZZN9QLNXYNX9QLNNXY0ECUL2YS/MSRQL7UFOZUFUJ2FE2PO/YaXXXXXXXXPPDWMMZWMMMZZMMKCNHGANQQG7TEKKXX0KKKW0KCLCLQZZZZ0OW0OKZZZZZZZZG9XMVA7ARJ7ZZZZZZZZZZZZZZZZZQQQQQQQQM2ZZZ3VKCEZ0PN5IUFFLQVGUN4C0QNQYS5YHPL+AVZYDE4型对不起，suqmcc
：目标：https://mybinder.org/v2/gh/pymc-learn/pymc-learn/master？文件路径=%2fdocs%2fNotebooks？urlpath=lab
。https://travis-ci.com/pymc-learn/pymc-learn.svgbranch=master
：目标：https://travis-ci.com/pymc-learn/pymc-learn
。https://coveralls.io/repos/github/pymc-learn/pymc-learn/badge.svg？branch=master
：目标：https://coveralls.io/github/pymc-learn/pymc-learn？分支=主
。图片：https://img.shields.io/badge/python-2.7-blue.svg
：目标：https://badge.fury.io/py/pymc-learn
。图片：https://img.shields.io/badge/python-3.6-blue.svg
：目标：https://badge.fury.io/py/pymc-learn
。https://readthedocs.org/projects/pymc-learn/badge/？version=latest
：目标：https://pymc-learn.readthedocs.io/en/latest/？徽章=最新
：alt：文档状态
。图片：https://img.shields.io/badge/license-bsd-blue.svg
：alt:hex.pm
：目标：https://github.com/pymc-learn/pymc-learn/blob/master/license
图片：：https://badge.fury.io/py/pymc-learn.svg
：目标：https://badge.fury.io/py/pymc-learn
。图像：：https://img.shields.io/badge/status-beta-blue.svg
平台：未知
分类器：编程语言：：python
分类器：编程语言：：2
分类器：编程语言：：3
分类器：编程语言：：python：：2.7
c分类器：编程语言：：3.4
分类器：编程语言：：python：：3.5
分类器：编程语言：：python：：3.6
分类器：主题：：科学/工程
分类器：主题：：科学/工程：：数学
分类器：操作系统m：：操作系统无关
欢迎加入QQ群-->： 979659372
