贝叶斯模型的探索性分析
项目描述
ArviZ（发音为“AR-vees”）是一个用于贝叶斯模型探索性分析的Python包。它包括后验分析、数据存储、模型检查、比较和诊断的功能。
ArviZ的其他语言版本
ArviZ还提供了一个可用于Julia的包装ArviZ.jl。
文档
ArviZ的文档可以在官方文档中找到。对于初次用户，可能会发现快速入门很有帮助。更多指导可以在用户指南中找到。
安装
稳定版
ArviZ可以从PyPI进行安装。可以使用pip安装最新稳定版
pip install arviz
ArviZ也可以通过conda-forge获取。
conda install -c conda-forge arviz
开发版
可以使用pip从主分支安装最新开发版
pip install git+git://github.com/arviz-devs/arviz.git
另一个选项是克隆仓库，并使用git和setuptools进行安装
git clone https://github.com/arviz-devs/arviz.git
cd arviz
python setup.py install
画廊
|
|
|
|
|
|
|
|
|
|
|
|
依赖项
ArviZ已在Python 3.10、3.11和3.12上进行了测试，并依赖于NumPy、SciPy、xarray和Matplotlib。
引用
如果您使用了ArviZ并希望引用它，请使用以下引用
以下是BibTeX格式的引用
@article{arviz_2019,
doi = {10.21105/joss.01143},
url = {https://doi.org/10.21105/joss.01143},
year = {2019},
publisher = {The Open Journal},
volume = {4},
number = {33},
pages = {1143},
author = {Ravin Kumar and Colin Carroll and Ari Hartikainen and Osvaldo Martin},
title = {ArviZ a unified library for exploratory analysis of Bayesian models in Python},
journal = {Journal of Open Source Software}
}
贡献
ArviZ是一个社区项目，欢迎贡献。更多信息可以在贡献Readme中找到
行为准则
ArviZ希望保持一个积极的社区。更多信息可以在行为准则中找到
捐赠
ArviZ是NumFOCUS旗下的一项非营利项目。如果您想从经济上支持ArviZ，可以在此捐款。
赞助商
下载文件
下载适合您平台的文件。如果您不确定选择哪个，请了解有关安装包的更多信息。
源代码分发
arviz-0.20.0.tar.gz (1.6 MB 查看哈希值)
构建分发
arviz-0.20.0-py3-none-any.whl (1.7 MB 查看哈希值)
关闭
arviz-0.20.0.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | a2704e0c141410fcaea1973a90cabf280f5aed5c1e10f44381ebd6c144c10a9c |
|
| MD5 | 9f875c6be63d130a1f8bb56a8053ced9 |
|
| BLAKE2b-256 | 354fa815269ea59566910f2f31d83ebc135e4ba72989d8c51fc2e5ce06f78e2a |
关闭
arviz-0.20.0-py3-none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 5ec4f2ec180a8305ff3d1108c29e189944ab939663eb5bc3231ff199a1a5dc36 |
|
| MD5 | e2b8588a1d649de576863609b8cb59a5 |
|
| BLAKE2b-256 | 86e874277b973ecc46d7c30660de441ca4eb3e9e0cc73b9b5e19e85f02ef4952 |