معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Python library for simulation and inference of Hawkes processes

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	HawkesPyLib-0.1.1
نام	HawkesPyLib
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Simon Grimm
ایمیل نویسنده	-
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/HawkesPyLib/
مجوز	-

![Tests](https://github.com/Simbold/HawkesPyLib/actions/workflows/tests.yml/badge.svg) [![PyPI version](https://img.shields.io/pypi/v/HawkesPyLib?color=green&label=pypi%20package)](https://pypi.org/project/HawkesPyLib/) [![PyPI - Python Version](https://img.shields.io/pypi/pyversions/HawkesPyLib)](https://www.python.org/downloads/) [![License: MIT](https://img.shields.io/pypi/l/HawkesPyLib?color=blue)](https://opensource.org/licenses/MIT) # HawkesPyLib A simple Python Library for simulation and inference of Hawkes processes. The library is currently under active development. More methods and functionality will be introduced shortly. ## Installation $ pip install HawkesPyLib ## Documentation A detailed description of the package can be found in the [documentation](https://simbold.github.io/HawkesPyLib/). ## Description The library allows for simulation and fitting of Hawkes processes. Hawkes processes are self-exciting point processes and can be used to model or analyse event arrivals. Hawkes processes can be defined in terms of the conditional intensity function: $$ \lambda(t) = \mu + \sum_{t_i < t} g(t-t_i) $$ where $\mu$ is a constant background intensity and the memory kernel function $g(t)$ specifies how past event arrivals influence the current state of the process. The following Hawkes process models are currently available: - Univariate Hawkes process with single exponential memory kernel - Univariate Hawkes process with P-sum exponential memory kernel - Univariate Hawkes process with approximate power-law memory kernel - Univariate Hawkes process with approximate power-law memory kernel with smooth cutoff For each of the models there is a simulator class for generating Hawkes process samples using Ogata's thining algorithm. The estimator class allows for maximum likelihood estimation of the model as well as the calculation of the corresponding compensator, and evaluation of the conditional intensity function. A quick example of simulating and estimating Hawkes processes can be found in the Examples folder. The core simulation and estimation algorithms are optimized for speed by recursively calculating the state of the memory kernel and further accelerated by using [numba's](https://numba.pydata.org/) JIT compiler. ## License HawkesPyLib is distributed under the terms of the [MIT](https://opensource.org/licenses/MIT) license.

نیازمندی

مقدار	نام
-	numba>=0.55
-	numpy>=1.21
-	scipy>=1.7
xtr	flake8>=3.9;
xtr	tox>=3.24;

زبان مورد نیاز

مقدار	نام
>=3.8	Python

نحوه نصب

نصب پکیج whl HawkesPyLib-0.1.1:

pip install HawkesPyLib-0.1.1.whl

نصب پکیج tar.gz HawkesPyLib-0.1.1:

pip install HawkesPyLib-0.1.1.tar.gz