API 参考

模型

此参考提供了当前 PyMC experimental 版本的全部模块、类和方法的详细文档。

as_model(*model_args, **model_kwargs)	装饰器，用于为函数中声明的 PyMC 模型提供上下文。
MarginalModel(*args, **kwargs)	PyMC 模型的子类，实现了自动边缘化 logp 变换中变量的功能
marginalize(model, rvs_to_marginalize)	边缘化 PyMC 模型中的变量子集。
model_builder.ModelBuilder([model_config, ...])	ModelBuilder 可以用于为模型提供易于使用的 API（类似于 scikit-learn），并帮助部署。

推断

fit(method, **kwargs)

使用推断算法拟合模型

分布

Chi(name, nu, **kwargs)	\(\chi\) 对数似然。
Maxwell(name, a, **kwargs)	麦克斯韦-玻尔兹曼分布
DiscreteMarkovChain(*args[, steps, n_lags])	离散马尔可夫链是随机变量序列
GeneralizedPoisson(name, *args, **kwargs)	广义泊松分布。
BetaNegativeBinomial(name, alpha, beta, r, ...)	Beta 负二项分布。
GenExtreme(name, *args[, rng, dims, ...])	单变量广义极值对数似然
R2D2M2CP(name, output_sigma, input_sigma, *, ...)	R2D2M2CP 先验。
Skellam(name, mu1, mu2, **kwargs)	Skellam 分布。
histogram_approximation(name, dist, *, ...)	用直方图势近似分布。

实用工具

spline.bspline_interpolation(x, *[, n, ...])	使用 B 样条将稀疏网格插值到密集网格。
prior.prior_from_idata(idata[, name, var_names])	使用 MvNormal 近似从后验创建先验。

状态空间模型

• Statespace Core
• Kalman Filters
• Statespace Models
• 结构组件

模型变换

autoreparam.vip_reparametrize(model, var_names)	使用变分信息参数化 (VIP) 重新参数化模型。
autoreparam.VIP(_logit_lambda)	帮助重新参数化 VIP 模型的助手。

打印

model_table(model, *[, split_groups, ...])

创建一个富表，其中包含模型变量及其表达式的摘要。