python与stan的接口，一个用于贝叶斯推理的包
pystan的Python项目详细描述
pystan为stan提供了一个python接口，一个用于贝叶斯推理的包 使用不掉头取样器，哈密顿蒙特卡罗的一种变体。
有关Stan及其建模语言的更多信息， 请参阅http://mc-stan.org/上的STAN用户指南和参考手册。
重要链接
- HTML文档：https://pystan.readthedocs.org
- 问题跟踪器：https://github.com/stan-dev/pystan/issues
- 源代码库：https://github.com/stan-dev/pystan
- 斯坦：http://mc-stan.org/
- 斯坦用户指南和参考手册（pdf）可在http://mc-stan.org
类似项目
详细的安装说明
有关详细的安装说明，请参见 doc/installation_beginner.md文件。
快速安装（Linux和MacOS）
NumPy和Cython （0.22或更高版本）是必需的。matplotlib 是可选的。
pystan和所需的包可以使用pip从Python Package Index安装。
pip install pystan
或者，如果cython（0.22或更高版本）和numpy已经 pystan可以通过以下命令从源代码安装
git clone --recursive https://github.com/stan-dev/pystan.git cd pystan python setup.py install
如果在从源代码处编译后遇到ImportError，请尝试更改 在尝试import pystan之前离开源目录。在Linux和 os x cd /tmp将起作用。
示例
import pystan
import numpy as np
import matplotlib.pyplot as plt
schools_code = """
data {
int<lower=0> J; // number of schools
real y[J]; // estimated treatment effects
real<lower=0> sigma[J]; // s.e. of effect estimates
}
parameters {
real mu;
real<lower=0> tau;
real eta[J];
}
transformed parameters {
real theta[J];
for (j in 1:J)
theta[j] = mu + tau * eta[j];
}
model {
eta ~ normal(0, 1);
y ~ normal(theta, sigma);
}
"""
schools_dat = {'J': 8,
'y': [28, 8, -3, 7, -1, 1, 18, 12],
'sigma': [15, 10, 16, 11, 9, 11, 10, 18]}
sm = pystan.StanModel(model_code=schools_code)
fit = sm.sampling(data=schools_dat, iter=1000, chains=4)
print(fit)
eta = fit.extract(permuted=True)['eta']
np.mean(eta, axis=0)
# if matplotlib is installed (optional, not required), a visual summary and
# traceplot are available
fit.plot()
plt.show()
欢迎加入QQ群-->： 979659372
