PyMC-BART#
贝叶斯加性回归树，用于使用 PyMC 进行概率编程
概述#
PyMC-BART 扩展了 PyMC 概率编程框架，使其能够定义和解决包含 BART 随机变量的模型。PyMC-BART 还包括一些辅助函数，以帮助解释这些模型并执行变量选择。
安装#
PyMC-BART 需要一个可用的 Python 解释器 (3.10+)。我们建议使用 Anaconda 发行版 安装 Python 和关键数值库，该发行版在所有主要平台上都提供一键安装程序。
假设您的机器上安装了标准的 Python 环境，PyMC-BART 本身可以使用 pip 或 conda-forge 安装。
使用 pip
pip install pymc-bart
使用 conda-forge
conda install -c conda-forge pymc-bart
开发
或者，如果您想要该软件包的最新版本，您可以从 GitHub 安装
pip install git+https://github.com/pymc-devs/pymc-bart.git
引用#
如果您使用 PyMC-BART 并想引用它，请使用 
这是 BibTeX 格式的引用
@misc{quiroga2022bart,
doi = {10.48550/ARXIV.2206.03619},
url = {https://arxiv.org/abs/2206.03619},
author = {Quiroga, Miriana and Garay, Pablo G and Alonso, Juan M. and Loyola, Juan Martin and Martin, Osvaldo A},
keywords = {Computation (stat.CO), FOS: Computer and information sciences, FOS: Computer and information sciences},
title = {Bayesian additive regression trees for probabilistic programming},
publisher = {arXiv},
year = {2022},
copyright = {Creative Commons Attribution Share Alike 4.0 International}
}
贡献#
我们欢迎来自感兴趣的个人或团体的贡献！有关贡献 PyMC-BART 的信息，请查看我们的说明、政策和指南 此处。
贡献者#
请参阅 GitHub 贡献者页面。