Python pypmc-1.1.4-cp27-cp27m-manylinux1_x86_64.whl模块包
下面是该Python项目安装包的资源下载地址：
pypmc-1.1.4-cp27-cp27m-manylinux1_x86_64.whl.wheel
文件名称：pypmc-1.1.4-cp27-cp27m-manylinux1_x86_64.whl
版权声明：本程序为网上收集，用户上传，仅供研究学习计算机编程等技术为目的，版权归原作者所有。
所属PyPI项目：pypmc
文件大小： 2.8 MB
文件类型： Wheel
适用的Python版本：cp27
下载文件的哈希值：
SHA256：811d758ee6fa7a3f212cfd845c93bed1f55259da433b1b8275e88e7235655c03
MD5：bfa1d772cc3f5d59651d4f6d3d9f2486
BLAKE2-256：4dfb2649b9d43201795d431876af94ad8edd1ea9609024016d99b8beaeb72c3c
选择下载地址 热度
851 ℃ | 2024-04-29
- 如果发现本程序安装包或源码失效或下载失败，可以联系站长修复！谢谢。
- 可以使用迅雷等多线程下载专用软件进行加速下载。
- 少部分程序支持BT/磁力下载。
- 少部分程序可能需要编译安装，或下载源码自行安装，也可以使用
pip命令进行安装。 - 放在网盘上的资源可能会被限速，可能需要注册或者购买对方VIP服务才能快速的下载。
- 如遇压缩包需要密码解压的，密码为 www.cnpython.com (全部小写)，不是此密码非本站下载资源。
PyPI项目包：pypmc
pypmc是一个专注于自适应重要性的python包 取样。它可用于集成和采样 用户定义的目标密度。一个典型的应用是贝叶斯 推论，当一个人想从后面取样到边缘化 并计算证据。关键是创造 通过调整高斯或学生的混合建议密度 目标密度的t分量。这个包裹能有效地 将多模态函数集成到 精度不超过1%的水平。对于许多问题，这是实现的 无需用户手动输入 功能。重要性抽样支持多个 机器通过mpi4py。
可单独使用的有用工具包括：
- 重查看全文