桑普利 2018年5月29日：0.3版 Sampyl是一个使用MCMC方法从概率分布中采样的软件包。 类似于使用theano来计算梯度的PyMC3，Sampyl使用来计算梯度。 但是，您可以自由编写自己的梯度函数，而不必使用autograd。 该项目的开始是通过仅使用Python和numpy定义模型来使用MCMC采样器的方式。 Sampyl当前包括以下采样器： 大都会-哈丁斯 哈密​​顿量 坚果 片 对于每个采样器，您传入一个函数，该函数计算要从中采样的分布的对数概率。 对于汉密尔顿和NUTS采样器，还需要梯度对数概率函数。 如果安装了autograd，则将自动计算梯度。 否则，采样器将接受gradient log-p函数，无论是否安装了autograd，都可以使用它们。 它仍在积极开发中，即将推出更多功能！ 依存关系 适用于Python 2或3。 当前， 和是唯一的依赖项。 要使

sampling Some methods to sampling data points from a given distribution. 从一个给定的分布里面采样，包括：Inverse CDF; Box-Muller; Rejection-Sampling; Importance-Sampling; M-H; Gibbs等方法。 代码架构 原理解析 采样 Inverse CDF Box-Muller Rejection-Sampling Importance-Sampling M-H 代码架构 inverse_cdf_exp.py 以指数分布为例对累积概率函数逆变换进行采样 box_muller_gau.py 对高斯分布进行采样的经典算法Box-Muller实现 rejection_sampling.py 拒绝采样实现，以高斯分布为参照进行采样混合高斯分布 importan

该软件包包含 3 个 MCMC 功能： RWM.m - 具有最佳接受率调整的标准 Metropolis Hastings。 [N.Metropolis，AWRosenbluth，MNRosenbluth，AHTeller和E. Teller，“通过快速计算机进行状态计算的方程”，《化学物理学报》，第1卷。 21，没有。 6，第 1087-1092 页，1953 年] AM.m - 具有最佳接受率调整的自适应大都会。 [H。 Haario、E. Saksman 和 J. Tamminen，“自适应 Metropolis 算法”，伯努利，卷。 7，第 223-242 页，2001 年] FSS.m-具有最佳初始宽度调整的因子切片采样。 [MM Tibbits、C. Groendyke、M. Haran 和 JC Liechty，“自动因子切片采样”，《计算和图形统计杂志》，第 2 期。

Metropolis-Hastings 算法对不同的函数进行采样。 请参阅 readme.txt 文件。

有关如何使用的详细信息，请参阅 readme.txt。 如有问题、意见和建议，请通过 ks236@cse.buffalo.edu 与我联系 有关更多详细信息，请访问我网站的研究标签http://www.cse.buffalo.edu/~ks236

mcmcstat：Matlab的MCMC工具箱

这是 Metropolis Hastings 算法的一个非常简单但功能强大的实现。 该函数的工作方式有点像 Matlab 的“fmincon”，但从参数的后验分布中生成样本。 该算法假设如下： - 高斯加性噪声（方差被积分出来） - 所有参数的统一先验（这可以在代码中轻松更改）

text generation