跳到主要内容
Ctrl+K
PyMC example gallery - Home

网站导航

  • 首页
  • 示例
  • 学习
  • API
  • 社区
  • 贡献
  • GitHub
  • Twitter
  • YouTube
  • Discourse

网站导航

  • 首页
  • 示例
  • 学习
  • API
  • 社区
  • 贡献
  • GitHub
  • Twitter
  • YouTube
  • Discourse

分类

初学者
中级
高级

标签

  • ABC
  • BART
  • Bayes Factors
  • Bayesian workflow
  • CO2
  • DEMetropolis
  • DEMetropolis(Z)
  • JAX
  • ODE
  • PCA
  • PyTensor
  • Reinforcement Learning
  • SMC
  • Simpson's paradox
  • A/B 测试
  • 近似
  • 自动插补
  • 自回归
  • 贝叶斯插补
  • 贝叶斯推断
  • 贝叶斯结构时间序列
  • 贝叶斯工作流
  • 分箱数据
  • 二项回归
  • 校准
  • 案例研究
  • 分类回归
  • 分类变量
  • 因果影响
  • 因果推断
  • 删失
  • cfa
  • 分类
  • 竞争风险
  • 混淆
  • controls
  • copula
  • 相关特征
  • 计数数据
  • 反事实
  • cox process
  • 交叉验证
  • debiased machine learning
  • 调试
  • 部署
  • 诊断
  • difference in differences
  • discrete choice
  • do-operator
  • extreme
  • 因子分析
  • 预测
  • frailty model
  • 高斯过程
  • gaussian processes
  • 广义线性模型
  • generalized linear models
  • 无梯度推断
  • graph mutation
  • 哈密顿蒙特卡洛
  • 隐马尔可夫模型
  • 分层
  • 分层模型
  • hilbert space approximation
  • 假设检验
  • 推断
  • 潜在高斯过程
  • 线性模型
  • 线性回归
  • 逻辑回归
  • 纵向数据
  • loo
  • 矩阵分解
  • MCMC
  • 测量误差
  • 中介
  • 小批量
  • 缺失协变量值
  • 缺失数据
  • 缺失值
  • 混合模型
  • 模型平均
  • 模型比较
  • 模型扩展
  • 模型拟合
  • 调节
  • multi-output
  • 多层模型
  • 负二项回归
  • 神经网络
  • 非参数
  • numba
  • 有序分类
  • 序数特征
  • 序数回归
  • 样本外预测
  • 异常值
  • 面板数据
  • 参数估计
  • 路径分析
  • patsy
  • 感知器
  • poisson
  • 后验预测
  • 预测
  • 先验
  • 概率
  • 产品推荐
  • 倾向得分
  • Prophet
  • 分位数
  • 准实验
  • r-datasets
  • 回归
  • 稳健
  • 抽样
  • 缩放
  • 科学工作流
  • SEM
  • 共享数据
  • 社交网络
  • 空间
  • 样条
  • 样条
  • 体育
  • 统计再思考
  • 步进方法
  • 生存分析
  • t 过程
  • 时间序列
  • 失效时间
  • 截断
  • 变分推断
  • 向量自回归模型
  • WAIC
  • 威布尔
  • 文章...

标记为缺失数据的文章

缺失数据

  • 2024年1月7日
  • Dustin Stansbury
  • 中级
  • 统计再思考 贝叶斯推断 缺失数据

此笔记本是 Richard McElreath Statistical Rethinking 2023 系列讲座的 PyMC 移植版本的一部分。

阅读更多 ...


贝叶斯缺失数据插补

  • 2023年2月24日
  • Nathaniel Forde
  • 高级
  • 缺失数据 贝叶斯插补 分层

重复的隐式目标名称:“bayesian missing data imputation”。

阅读更多 ...


支持 PyMC

© 版权所有 2022, PyMC 社区。

使用 Sphinx 8.1.3 创建。

使用 PyData Sphinx Theme 0.14.4 构建。