什麼是 pymc-bayesian-modeling?
使用 PyMC 進行貝葉斯建模。建立分層模型、MCMC (NUTS)、變異推理、LOO/WAIC 比較、後驗檢查,用於機率編程和推理。 來源:ovachiever/droid-tings。
使用 PyMC 進行貝葉斯建模。建立分層模型、MCMC (NUTS)、變異推理、LOO/WAIC 比較、後驗檢查,用於機率編程和推理。
透過命令列快速安裝 pymc-bayesian-modeling AI 技能到你的開發環境
來源:ovachiever/droid-tings。
PyMC is a Python library for Bayesian modeling and probabilistic programming. Build, fit, validate, and compare Bayesian models using PyMC's modern API (version 5.x+), including hierarchical models, MCMC sampling (NUTS), variational inference, and model comparison (LOO, WAIC).
Critical: Always use non-centered parameterization for hierarchical models to avoid divergences.
See: references/distributions.md for comprehensive distribution reference
使用 PyMC 進行貝葉斯建模。建立分層模型、MCMC (NUTS)、變異推理、LOO/WAIC 比較、後驗檢查,用於機率編程和推理。 來源:ovachiever/droid-tings。
為搜尋與 AI 引用準備的穩定欄位與指令。
npx skills add https://github.com/ovachiever/droid-tings --skill pymc-bayesian-modeling使用 PyMC 進行貝葉斯建模。建立分層模型、MCMC (NUTS)、變異推理、LOO/WAIC 比較、後驗檢查,用於機率編程和推理。 來源:ovachiever/droid-tings。
開啟你的終端機或命令列工具(如 Terminal、iTerm、Windows Terminal 等) 複製並執行以下指令:npx skills add https://github.com/ovachiever/droid-tings --skill pymc-bayesian-modeling 安裝完成後,技能將自動設定到你的 AI 程式設計環境中,可以在 Claude Code、Cursor 或 OpenClaw 中使用
https://github.com/ovachiever/droid-tings