Abhipsha Das 的文章
广义线性模型：负二项回归
- 21 九月 2023
指令“include”：文件未找到：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/build/jupyter_execute/build/jupyter_execute/extra_installs.md’
广义线性模型：负二项回归
- 21 九月 2023
指令“include”：未找到文件：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/build/jupyter_execute/extra_installs.md’
GLM: 负二项回归
- 21 九月 2023
指令“include”：未找到文件：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/extra_installs.md’
随机波动率模型
- 17 六月 2022
资产价格具有时变波动性（日收益率的方差）。在某些时期，收益率变化很大，而在其他时期则非常稳定。随机波动模型通过一个潜在的波动变量来建模，该变量被建模为一个随机过程。以下模型类似于No-U-Turn Sampler论文中描述的模型，[Hoffman和Gelman，2014]。
随机波动率模型
- 17 六月 2022
资产价格具有时变波动性（日收益率的方差）。在某些时期，收益率变化很大，而在其他时期则非常稳定。随机波动模型通过一个潜在的波动变量来建模，该变量被建模为一个随机过程。以下模型类似于No-U-Turn Sampler论文中描述的模型，[Hoffman和Gelman，2014]。
多项式混合的狄利克雷混合
- 08 一月 2022
这个示例笔记本演示了如何使用Dirichlet混合多项式（也称为Dirichlet-multinomial或DM）来建模分类计数数据。 这类模型在包括自然语言处理、生态学、生物信息学等多个领域中都非常重要。
多项式混合的狄利克雷分布
- 08 一月 2022
这个示例笔记本演示了如何使用Dirichlet混合多项式（也称为Dirichlet-multinomial或DM）来建模分类计数数据。 这类模型在包括自然语言处理、生态学、生物信息学等多个领域中都非常重要。
多项式混合的狄利克雷分布
- 08 一月 2022
这个示例笔记本演示了如何使用Dirichlet混合多项式（也称为Dirichlet-multinomial或DM）来建模分类计数数据。 这类模型在包括自然语言处理、生态学、生物信息学等多个领域中都非常重要。
多项式混合的狄利克雷分布
- 08 一月 2022
这个示例笔记本演示了如何使用Dirichlet混合多项式（也称为Dirichlet-multinomial或DM）来建模分类计数数据。 这类模型在包括自然语言处理、生态学、生物信息学等多个领域中都非常重要。
用于密度估计的Dirichlet过程混合模型
- 16 九月 2021
Dirichlet 过程是一个在分布空间上的灵活概率分布。最一般地，一个概率分布 \(P\) 在集合 \(\Omega\) 上是一个[测度](https://en.wikipedia.org/wiki/Measure_(mathematics%29)，它将整个空间的测度赋值为1（\(P(\Omega) = 1\)）。Dirichlet 过程 \(P \sim \textrm{DP}(\alpha, P_0)\) 是一个具有以下性质的测度：对于每一个有限的不相交划分 \(S_1, \ldots, S_n\) 的 \(\Omega\)，
用于密度估计的Dirichlet过程混合模型
- 16 九月 2021
Dirichlet 过程是一个在分布空间上的灵活概率分布。最一般地，一个概率分布 \(P\) 在集合 \(\Omega\) 上是一个[测度](https://en.wikipedia.org/wiki/Measure_(mathematics%29)，它将整个空间的测度赋值为1（\(P(\Omega) = 1\)）。Dirichlet 过程 \(P \sim \textrm{DP}(\alpha, P_0)\) 是一个具有以下性质的测度：对于每一个有限的不相交划分 \(S_1, \ldots, S_n\) 的 \(\Omega\)，
用于密度估计的狄利克雷过程混合模型
- 16 九月 2021
Dirichlet 过程是一个在分布空间上的灵活概率分布。最一般地，一个概率分布 \(P\) 在集合 \(\Omega\) 上是一个[测度](https://en.wikipedia.org/wiki/Measure_(mathematics%29)，它将整个空间的测度赋值为1（\(P(\Omega) = 1\)）。Dirichlet 过程 \(P \sim \textrm{DP}(\alpha, P_0)\) 是一个具有以下性质的测度：对于每一个有限的不相交划分 \(S_1, \ldots, S_n\) 的 \(\Omega\)，
用于密度估计的Dirichlet过程混合模型
- 16 九月 2021
Dirichlet 过程是一个在分布空间上的灵活概率分布。最一般地，一个概率分布 \(P\) 在集合 \(\Omega\) 上是一个[测度](https://en.wikipedia.org/wiki/Measure_(mathematics%29)，它将整个空间的测度赋值为1（\(P(\Omega) = 1\)）。Dirichlet 过程 \(P \sim \textrm{DP}(\alpha, P_0)\) 是一个具有以下性质的测度：对于每一个有限的不相交划分 \(S_1, \ldots, S_n\) 的 \(\Omega\)，