一种对由直方图模板建立的模型进行最大似然估计的解决方案。
Histimator的Python项目详细描述
组态师
对基于直方图模板的模型进行最大似然估计的解决方案。- 自由软件:GNU通用公共许可v3
- 文档:https://histimator.readthedocs.io。
功能
- 待办事项
使用量
histimator核心目录有一个名为models的文件,其中包含核心histimodel类。
模型已初始化:
from histimator.models import HistiModel model = HistiModel("model name")
每个频道定义为:
from histimodel.Channel import HistiChannel SR = HistiChannel("SignalRegion")
数据可以添加到频道:
SR.SetData([list of data points])
任何数量的样本定义为:
from histimator.models import HistiSample sig = HistiSample("Signal") bkg = HistiSample("Background")
每个都需要一个直方图:
sig.SetHisto(numpy.histogram) bkg.SetHisto(numpy.histogram)
目前唯一可用的参数是这些模板的总体标准化。 这是一个名字,一个初始值(默认值1)和一个范围(默认值[0.1,10])。目前还没有实际的实现来告诉minuit这个范围…:
sig.AddNorm("some_norm",1,0,3)
最后,必须将样本添加到频道并将其添加到模型。:
SR.AddSample(sig) SR.AddSample(bkg) model.AddChannel(SR)
现在可以使用probfit binned似然函数对该模型进行评估:
from iminuit import Minuit from probfit import BinnedLH blh = BinnedLH(model.pdf, data, bins=10, bound=bound, extended=True) m = Minuit(blh, some_norm=0.5, error_some_norm=1.5) m.migrad()
它具有各种内置打印功能。
学分
这个包是用Cookiecutter和audreyr/cookiecutter-pypackage项目模板创建的。
历史记录
0.1.0(2018-02-16)
- pypi上的第一个版本。