带有非参数标签的文章
使用标记的对数高斯 Cox 过程建模空间点模式
- 31 五月 2022
对数高斯 Cox 过程 (LGCP) 是一种概率模型，用于描述通常在空间或时间中观察到的点模式。它主要有两个组成部分。首先，在整个域 \(X\) 上，使用指数变换的高斯过程对正实数值的潜在 *强度* 场 \(\lambda(s)\) 进行建模，这限制了 \(\lambda\) 为正值。然后，这个强度场被用来参数化一个 泊松点过程，该过程表示在空间中放置点的随机机制。适用于这种表示的一些现象包括一个县内的癌症病例发生率，或一个城市中犯罪事件的时空位置。虽然这个教程只处理二维空间中的数据，但空间和时间维度都可以在这个框架内等效地处理。
贝叶斯加性回归树：简介
- 21 十二月 2021
贝叶斯加性回归树 (BART) 是一种非参数回归方法。如果我们有一些协变量 \(X\) 并且我们想用它们来建模 \(Y\)，那么一个 BART 模型（省略先验）可以表示为
Student-t 过程
- 24 八月 2017
PyMC 也包括 T 过程先验。它们是将高斯过程先验推广到多元 Student’s T 分布。用法与 gp.Latent 的用法相同，但当在模型中指定它们时，它们需要自由度参数。 更多信息，请参阅 Rasmussen+Williams 的第 9 章和 Shah et al.。