使用PyMC3包实现贝叶斯线性回归

1、如何使用PyMC3包实现贝叶斯线性回归

　　PyMC3（现在简称为PyMC）是一个贝叶斯建模包，它使数据科学家能够轻松地进行贝叶斯推断。

　　PyMC3采用马尔可夫链蒙特卡罗（MCMC）方法计算后验分布。这个方法相当复杂，原理方面我们这里不做详细描述，这里只说明一些简单的概念，为什么使用MCMC呢？

　　频率主义和贝叶斯回归方法之间的关键区别在于他们如何处理参数。在频率统计中，线性回归模型的参数是固定的，而在贝叶斯统计中，它们是随机变量。

　　频率主义者使用极大似然估计（MLE）的方法来推导线性回归模型的值。MLE的结果是每个参数的一个固定值。

　　在贝叶斯世界中，参数是具有一定概率的值分布，使用更多的数据更新这个分布，这样我们就可以更加确定参数可以取的值。这个过程被称为贝叶斯更新

　　有了上面的简单介绍，我们已经知道了贝叶斯和频率回归之间的主要区别。

原作者：思否AI V