lrgs 0.0.2

lrgs：gibbs抽样线性回归

代码实现吉布斯采样器处理多元线性回归问题，在所有测量量和内在散射的不确定性。详细信息可在this paper中找到，其摘要如下。（本文用r语言描述了一个实现，而这个包是python方法的一个端口。）

凯莉（2007，此后K07）描述了一种有效的算法，使用吉布斯抽样，在相当一般的情况下进行线性回归，其中对于协变量和响应变量都存在非零测量误差，其中这些测量可能与（相同的数据点）相关，其中响应变量受到影响。除了测量误差之外，本征散射和协方差的先验分布由高斯混合模型模拟，而不是假设是均匀的。这里我从两个方面扩展了k07算法。首先，将该过程推广到多响应变量的情况。其次，我描述了如何使用dirichlet过程来建模协变量的先验分布，这可以被认为是一个高斯混合，其中混合成分的数量是从数据中学习的。我提出了一个使用扩展算法进行多元回归的例子，即拟合动态松弛星系团的气体质量、温度和光度的标度关系，作为其质量和红移的函数。本文提供了一个用r语言实现的gibbs采样器，称为lrgs。

对于问题、评论、请求、问题等，请使用GitHub issues。