Jesse Grabowski 的文章

从生成图导出的时间序列模型

在本笔记本中，我们展示了如何从生成图开始建模和拟合时间序列模型。特别是，我们解释了如何使用scan在PyMC模型中高效地进行循环。

阅读更多 ...

从生成图导出的时间序列模型

在本笔记本中，我们展示了如何从生成图开始建模和拟合时间序列模型。特别是，我们解释了如何使用scan在PyMC模型中高效地进行循环。

阅读更多 ...

从生成图导出的时间序列模型

在本笔记本中，我们展示了如何从生成图开始建模和拟合时间序列模型。特别是，我们解释了如何使用scan在PyMC模型中高效地进行循环。

阅读更多 ...

从生成图导出的时间序列模型

在本笔记本中，我们展示了如何从生成图开始建模和拟合时间序列模型。特别是，我们解释了如何使用scan在PyMC模型中高效地进行循环。

阅读更多...

使用数据容器

在构建了你梦想中的统计模型之后，你需要给它提供一些数据。数据通常以两种方式之一引入PyMC模型。一些数据用作外生输入，在线性回归模型中称为X，其中mu = X @ beta。其他数据是模型内生输出的“观察”示例，在回归模型中称为y，并作为输入用于模型隐含的似然函数。这些数据，无论是外生的还是内生的，都可以以多种数据类型包含在你的模型中，包括numpy ndarrays、pandas Series和DataFrame，甚至pytensor TensorVariables。

阅读更多 ...

使用数据容器

在构建了你梦想中的统计模型之后，你需要给它提供一些数据。数据通常以两种方式之一引入PyMC模型。一些数据用作外生输入，在线性回归模型中称为X，其中mu = X @ beta。其他数据是模型内生输出的“观察”示例，在回归模型中称为y，并作为输入用于模型隐含的似然函数。这些数据，无论是外生的还是内生的，都可以以多种数据类型包含在你的模型中，包括numpy ndarrays、pandas Series和DataFrame，甚至pytensor TensorVariables。

阅读更多 ...

使用数据容器

在构建了你梦想中的统计模型之后，你需要给它提供一些数据。数据通常以两种方式之一引入PyMC模型。一些数据用作外生输入，在线性回归模型中称为X，其中mu = X @ beta。其他数据是模型内生输出的“观察”示例，在回归模型中称为y，并作为输入用于模型隐含的似然函数。这些数据，无论是外生的还是内生的，都可以以多种数据类型包含在你的模型中，包括numpy ndarrays、pandas Series和DataFrame，甚至pytensor TensorVariables。

阅读更多...

使用数据容器

在构建了你梦想中的统计模型之后，你需要给它提供一些数据。数据通常以两种方式之一引入PyMC模型。一些数据用作外生输入，在线性回归模型中称为X，其中mu = X @ beta。其他数据是模型内生输出的“观察”示例，在回归模型中称为y，并作为输入用于模型隐含的似然函数。这些数据，无论是外生的还是内生的，都可以以多种数据类型包含在你的模型中，包括numpy ndarrays、pandas Series和DataFrame，甚至pytensor TensorVariables。

阅读更多...