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

approximate bayesian computing with population monte carlo

ویژگی	مقدار
سیستم عامل	-
نام فایل	abcpmc-0.1.2
نام	abcpmc
نسخه کتابخانه	0.1.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Joel Akeret
ایمیل نویسنده	jakeret@phys.ethz.ch
آدرس صفحه اصلی	http://www.cosmology.ethz.ch/research/software-lab/abcpmc.html
آدرس اینترنتی	https://pypi.org/project/abcpmc/
مجوز	GPLv3

============================= abcpmc ============================= .. image:: https://badge.fury.io/py/abcpmc.svg :target: http://badge.fury.io/py/abcpmc .. image:: https://travis-ci.org/jakeret/abcpmc.svg?branch=master :target: https://travis-ci.org/jakeret/abcpmc .. image:: https://coveralls.io/repos/jakeret/abcpmc/badge.svg?branch=master :target: https://coveralls.io/r/jakeret/abcpmc?branch=master .. image:: https://img.shields.io/badge/docs-latest-blue.svg?style=flat :target: http://abcpmc.readthedocs.org/en/latest .. image:: http://img.shields.io/badge/arXiv-1504.07245-orange.svg?style=flat :target: http://arxiv.org/abs/1504.07245 A Python Approximate Bayesian Computing (ABC) Population Monte Carlo (PMC) implementation based on Sequential Monte Carlo (SMC) with Particle Filtering techniques. .. image:: https://raw.githubusercontent.com/jakeret/abcpmc/master/docs/abcpmc.png :alt: approximated 2d posterior (created with triangle.py). :align: center The **abcpmc** package has been developed at ETH Zurich in the `Software Lab of the Cosmology Research Group <http://www.cosmology.ethz.ch/research/software-lab.html>`_ of the `ETH Institute of Astronomy <http://www.astro.ethz.ch>`_. The development is coordinated on `GitHub <http://github.com/jakeret/abcpmc>`_ and contributions are welcome. The documentation of **abcpmc** is available at `readthedocs.org <http://abcpmc.readthedocs.org/>`_ and the package is distributed over `PyPI <https://pypi.python.org/pypi/abcpmc>`_. Features -------- * Entirely implemented in Python and easy to extend * Follows Beaumont et al. 2009 PMC algorithm * Parallelized with muliprocessing or message passing interface (MPI) * Extendable with k-nearest neighbour (KNN) or optimal local covariance matrix (OLCM) pertubation kernels (Fillipi et al. 2012) * Detailed examples in IPython notebooks * A `2D gauss <http://nbviewer.ipython.org/github/jakeret/abcpmc/blob/master/notebooks/2d_gauss.ipynb>`_ case study * A `Multi distance <http://nbviewer.ipython.org/github/jakeret/abcpmc/blob/master/notebooks/dual_abc_pmc.ipynb>`_ case study * A `toy model <http://nbviewer.ipython.org/github/jakeret/abcpmc/blob/master/notebooks/toy_model.ipynb>`_ including a comparison to theoretical predictions History ------- 0.1.2 (2016-01-27) ++++++++++++++++++ * Added support for sampling with multiple distance simultaneously * Clean setup.py * Simplifying the code * Improved documentation 0.1.1 (2015-05-03) ++++++++++++++++++ * Python 3 support * Minor fixes * Improved documentation 0.1.0 (2015-04-28) ++++++++++++++++++ * First release

نحوه نصب

نصب پکیج whl abcpmc-0.1.2:

pip install abcpmc-0.1.2.whl

نصب پکیج tar.gz abcpmc-0.1.2:

pip install abcpmc-0.1.2.tar.gz