噪声时间序列的概率推断
pints的Python项目详细描述
什么是品脱？在
PINTS（含噪时间序列的概率推理）是一个优化和贝叶斯推理的框架，它适用于电化学和心脏电生理学中产生的噪声时间序列的ODE模型。在
品脱在this publication in JORS中描述，可以使用我们的CITATION file中给出的信息来引用。 关于品脱纸的更多信息可以在papers directory中找到。在
使用品脱
PINTS可以与实现pints.ForwardModel接口的任何模型一起工作。 只有两种方法：
n_parameters() --> Returns the dimension of the parameter space.
simulate(parameters, times) --> Returns a vector of model evaluations at
the given times, using the given parameters
以品脱为单位的实验数据集被简单地定义为times和相应的实验values的列表（或数组）。
如果您有这类数据，并且your model (or model wrapper)实现了上述两个方法，那么您就可以开始使用PINTS来使用optimisation或sampling来推断参数值了。在
下面是一个简单的例子：
（左）噪声实验时间序列和计算正演模型。
（右）优化问题的示例代码。
完整的代码可以是viewed here，但是可以在examples page上找到更友好、更详细的介绍。在
PINTS中包含的方法的图形化概述可以是viewed here。在
示例和文档
品脱附带大量的detailed examples，托管在github上。 此外，还有一个full API documentation，托管在读取docs.io. 在
安装品脱
您需要满足以下要求：
- Python 2.7或Python 3.5+
- Python库：
cma matplotlib numpy scipy tabulate
使用pip可以轻松地安装它们。为此，首先确保安装了最新版本的pip：
然后导航到将品脱下载到的路径，然后键入以下命令安装品脱及其依赖项：
$ pip install pints
要将PINTS作为developer安装，请使用
$ git clone https://github.com/pints-team/pints.git
$ cd pints
$ pip install -e .[dev,docs]
要再次卸载，请键入
$ pip uninstall pints
贡献品脱
如果您想通过添加新方法、编写文档或修复令人难堪的错误来帮助我们开发品脱，请先看看这些guidelines。在
许可证
PINTS是完全开源的。{a23}有关其许可证的更多信息，请参见}。在
联系
问题、建议或错误报告？Open an issue告诉我们。在
或者，请随时发送电子邮件至pints at maillist.ox.ac.uk。在
- 项目
标签：
欢迎加入QQ群-->： 979659372
