Abhipsha Das 的文章

GLM：负二项回归

此笔记本使用非 PyMC 依赖库，因此需要专门安装才能运行此笔记本。打开下面的下拉菜单以获取更多指导。

阅读更多 ...

GLM：稳健线性回归

重复的隐式目标名称：“glm: robust linear regression”。

阅读更多 ...

随机波动率模型

资产价格具有随时间变化的波动率（日收益的方差 returns）。在某些时期，收益波动很大，而在另一些时期则非常稳定。随机波动率模型使用潜在波动率变量对此进行建模，该变量被建模为随机过程。以下模型类似于 No-U-Turn Sampler 论文中描述的模型，[Hoffman and Gelman, 2014]。

阅读更多 ...

GLM：模型选择

一个相当简洁的可重现示例，展示了在 PyMC 中当前实现的 WAIC 和 LOO 的模型选择。

阅读更多 ...

多项式狄利克雷混合模型

此示例笔记本演示了使用多项式狄利克雷混合模型（也称为 Dirichlet-multinomial 或 DM）对分类计数数据进行建模。像这样的模型在包括自然语言处理、生态学、生物信息学等多个领域都很重要。

阅读更多 ...

用于密度估计的狄利克雷过程混合模型

狄利克雷过程 是分布空间上灵活的概率分布。最广义地说，集合 \(\Omega\) 上的概率分布 \(P\) 是一个 [测度](https://en.wikipedia.org/wiki/Measure_(mathematics%29) ，它为整个空间分配测度 1 ( \(P(\Omega) = 1\) )。狄利克雷过程 \(P \sim \textrm{DP}(\alpha, P_0)\) 是一种测度，它具有以下属性：对于 \(\Omega\) 的每个有限 不相交 划分 \(S_1, \ldots, S_n\) ，

阅读更多 ...