ArviZ a unified library for exploratory analysis of Bayesian models in Python

Volver a la Vista simple
dc.conicet.fuenteindividual
dc.conicet.organizacionNo especifíca
dc.conicet.organizacionNo especifíca
dc.conicet.organizacionAalto University
dc.conicet.organizacionConsejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Luis. Instituto de Matemática Aplicada de San Luis "Prof. Ezio Marchi". Universidad Nacional de San Luis. Facultad de Ciencias Físico, Matemáticas y Naturales. Instituto de Matemática Aplicada de San Luis "Prof. Ezio Marchi"
dc.conicet.paisOrganizacion
dc.conicet.paisOrganizacion
dc.conicet.paisOrganizacionFinlandia
dc.conicet.paisOrganizacionArgentina
dc.conicet.produccionid8075077
dc.contributor.authorKumar, Ravin
dc.contributor.authorCarroll, Colin
dc.contributor.authorHartikainen, Ari
dc.contributor.authorMartín, Osvaldo Antonio
dc.date.accessioned2020-09-23T14:30:29Z
dc.date.available2020-09-23T14:30:29Z
dc.date.issued2019-01-15
dc.date.updated2020-09-01T19:11:39Z
dc.description.abstractArviZ is a Python package for exploratory analysis of Bayesian models. ArviZ aims to be a package that integrates seamlessly with established probabilistic programming languages like PyStan, PyMC, Edward, emcee, Pyro and easily integrated with novel or bespoke Bayesian analyses. Where the aim of the probabilistic programming languages is to make it easy to build and solve Bayesian models, the aim of the ArviZ library is to make it easy to process and analyze the results from the Bayesian models.es
dc.description.filFil: Kumar, Ravin. No especifíca;
dc.description.filFil: Carroll, Colin. No especifíca;
dc.description.filFil: Hartikainen, Ari. Aalto University; Finlandia
dc.description.filFil: Martín, Osvaldo Antonio. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Luis. Instituto de Matemática Aplicada de San Luis "Prof. Ezio Marchi". Universidad Nacional de San Luis. Facultad de Ciencias Físico, Matemáticas y Naturales. Instituto de Matemática Aplicada de San Luis "Prof. Ezio Marchi"; Argentina
dc.formatapplication/pdfes
dc.identifier.citationKumar, Ravin; Carroll, Colin; Hartikainen, Ari; Martín, Osvaldo Antonio; ArviZ a unified library for exploratory analysis of Bayesian models in Python; Journal of Open Source Software; Journal of Open Source Software; 4; 33; 15-1-2019; 1143-1147es
dc.identifier.institucionalCONICET
dc.identifier.issn2475-9066es
dc.identifier.repoCONICET Digital
dc.identifier.urihttp://hdl.handle.net/11336/114615
dc.journal.number33es
dc.journal.pagination1143-1147es
dc.journal.paisEstados Unidoses
dc.journal.titleJournal of Open Source Softwarees
dc.journal.volume4es
dc.language.isoenges
dc.publisherJournal of Open Source Softwarees
dc.relation.alternativeidinfo:eu-repo/semantics/altIdentifier/url/http://joss.theoj.org/papers/10.21105/joss.01143
dc.relation.alternativeidinfo:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.21105/joss.01143
dc.rightsinfo:eu-repo/semantics/openAccess*
dc.rights.urihttps://creativecommons.org/licenses/by/2.5/ar/*
dc.subjectBAYESIAN STATISTICSes
dc.subjectVISUALIZATIONes
dc.subjectPYTHONes
dc.subject.classificationEstadística y Probabilidades
dc.subject.classificationMatemáticases
dc.subject.classificationCIENCIAS NATURALES Y EXACTASes
dc.subject.classificationCiencias de la Información y Bioinformáticaes
dc.subject.classificationCiencias de la Computación e Informaciónes
dc.subject.classificationCIENCIAS NATURALES Y EXACTASes
dc.titleArviZ a unified library for exploratory analysis of Bayesian models in Pythones
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:ar-repo/semantics/artículo
dc.typeinfo:eu-repo/semantics/publishedVersion

Archivos

Bloque original

Miniatura
Nombre:
CONICET_Digital_Nro.654dff87-5530-459e-a069-dec75af5ee4d_A.pdf
Tamaño:
548.52 KB
Formato:
Adobe Portable Document Format
Descargar

Colecciones

Articulos(IMASL)
Volver a la Vista simple