哈密顿抽样与抽样分布分析
sampp的Python项目详细描述
包samppy实现哈密顿马尔可夫链采样和 多元概率分布的一些附加分析方法。
概率分布只表示为 一组独立且相同分布的（I.I.D.）样本 从分布中提取。
该软件包包括三个模块：
模块hamiltonian_sampler实现hamiltonian markov链采样。 一个hamiltoniansampler实例可以生成 多元概率分布的随机样本， 仅由非标准化对数似然函数定义， 函数的梯度。
生成的一批样本向量存储在2d numpy数组中， 作为行或列。
类
HamiltonianSampler定义了一个标准的各向同性采样器。 类HamiltonianBoundedSampler是一个子类，它还允许 所有向量元素的单侧或双侧间隔限制。模块可信度包括估计共同可信差异的函数 和/或元素对之间的相关性 在一个多变量概率分布的随机向量中， 仅由样本表示。
模块sample\u熵包含一个函数，用于估计differential熵 多变量概率分布的，仅由样本表示的。 熵的Kozachenko Leonenko最近邻近似估计 （辛格和波佐斯，2016年）。
用法
这个软件包主要是为另一个项目开发的。 它是单独分发的，因为它可能用于其他目的。
哈密顿采样器代码的灵感来自lahmc项目 贾莎·索尔斯坦。目前的实施包括 一些安全功能，以方便其使用。 目前的采样器不包括一般子空间流形中的采样。
要求
这个包需要安装了numpy和scipy的python 3.6。 它需要一些numpy v1.17的特性。它已经用scipy 1.13测试过了。
参考文献
R M Neal（2011）：使用哈密顿动力学的MCMC。通道5英寸 布鲁克斯等人。（eds）马尔可夫链蒙特卡罗手册。 查普曼和霍尔/CRC出版社。
A.Leijon、G.E.Henter和M.Dahlquist（2016年）： 音素混淆矩阵的贝叶斯分析。 ieee音频、语音和语言处理事务24（3）：469-482。 （描述可信差分计算的应用）
f perez cruz（2008）：信息论测度的估计 对于连续随机变量。 神经信息处理系统进展21（nips 2008）。
S Singh和B Poczos（2016）：K近邻距离分析 在熵估计中的应用。 arxiv:1603.08578[数学.st]。
欢迎加入QQ群-->： 979659372
