用于使用经典方法或自定义正交权重函数（COWs）生成swights，以及用于纠正加权数据拟合协方差矩阵的工具。
项目描述
我们提供了一个名为swights的信号权重计算工具，该工具可用于在控制变量（s）中投影出信号与背景混合中的信号分量，同时使用独立判别变量进行拟合。这种技术最初以sPlot方法的名义流行起来，但我们认为这是一个误称，因此将其称为sWeights，因为它不仅限于绘图。我们发现sWeights是更一般自定义正交权重函数（COWs）的一个特例，它扩展了经典sWeights的应用范围。如果您使用此软件包，请引用我们的论文
如果无法免费访问此论文，请查看预印本arXiv:2112.04574。
我们还提供计算加权数据拟合的正确协方差矩阵的工具，这在我们的论文第IV节中有所描述，在Langenbruch arXiv:1911.01303中更加详细。标准的方法求解Hesse矩阵是不可行的。如有疑问，请使用自助方法。
安装
您可以从PyPI安装sweights。
pip install sweights文档
您可以在此处找到我们的文档，其中包含如何使用该包以及如何避免陷阱的教程。
合作伙伴项目
numba_stats提供了比scipy更快的概率密度函数实现，以及一些在粒子物理中使用的特定实现，这些在scipy中不可用。
boost-histogram（来自Scikit-HEP）提供了快速的通用直方图，您可以使用内置的成本函数使用它。
jacobi提供了任何转换函数的Jacobi矩阵的稳健、快速和精确的计算，以及构建通用误差传播函数。
resample提供了一个简单的API来计算自助估计。
下载文件
下载适合您平台的文件。如果您不确定要选择哪个，请了解更多关于安装包的信息。
源分布
sweights-1.6.0.tar.gz (1.5 MB 查看哈希值)
构建分布
sweights-1.6.0-py3-none-any.whl (29.3 kB 查看哈希值)
关闭
sweights-1.6.0.tar.gz的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 34b60d21815c25be9a60b1d71e2927389ce0ca47c4492b916882d8b916d99ddb |
|
| MD5 | 601a95f6334c004bc690521ab6f416da |
|
| BLAKE2b-256 | 0fa96414aa9eeadc9df4fa3fecbdbcaf0011fa8fcdf79d12f8f97754fd6f03b2 |
关闭
sweights-1.6.0-py3-none-any.whl的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | cb7601378285c8f87472b05746af06fc871ab2d65b65e143cc14915be7077369 |
|
| MD5 | 9906535734e12f7ad89b0ed2c9c276d6 |
|
| BLAKE2b-256 | 93d131696fe08cba2705e82a8998b84fded6c762d1b6b0f54824675e2ab16ce7 |
