Я предпочитаю использовать iron.nvim
Очень удобно, так как он использует внутренний терминал neovim.

у меня просто обычный самый вим, без нео ) но там тоже встроенный терминал есть и используется в vimteractive

Кстати спасибо за то, что напомнил об UnicodePlots.jl. Обновил свою старую библиотеку для телеграммовского API, теперь можно такие штуки делать:

Разумеется можно то же самое и без UnicodePlots делать, но так забавнее.

забавно )

Кстати, если кому-то интересно, то вот пакет: https://github.com/Arkoniak/Telegram.jl

Там правда совсем базовый набор методов реализован, я его использую исключительно, чтобы нотификации себе в телеграм посылать.

Hi! I have a bunch of datasets that I would like to fit them in some statistical models. I had reviewed some packages like Distributions.jl and StatBase.jl, however there is no exact solution that I am looking for. What I want is to have the chance to prove several Statistical distributions and obtain the AIC or BIC from those. You know a better approach? Regards

What does it mean to prove distribution?

Do you want to check whether the data you have follows some specific distribution (statistical test)?

Yep

Did you consult GLM package?
It is well-suited for linear regression models (and other generalized linear models)

for instance, you can have the following:

using DataFrames, GLM, StatsBase

# just some random data
X = 0 : 0.01 : 1
df = DataFrame(X = X, Y = rand(length(X)), Z = 5*X + 0.01 * randn(length(X)))

# create linear models
model1 = lm(@formula(Z ~ X), df)
model2 = lm(@formula(Z ~ X + Y), df)
model3 = lm(@formula(Z ~ Y), df)

# now we can check aic/bic for those models
aic(model1), aic(model2), aic(model3)

Thanks for your answer, however I am looking for an answer could be more like: x can be fitted by binomial distribution having an aic of XXX, or can be fitted by lognormal distribution having YYY of aic, and so on

Using maybe K-S, aic or bic

I do understand how to fit some one-dimensional data to some distribution and then check with KS-test (for instance) whether the fitting is good

X = Distributions.Binomial(1000, 0.01)
model1 = fit(Poisson, X)
model2 = fit(Normal, X)

using HypothesisTests
ExactOneSampleKSTest(X, model1)
ExactOneSampleKSTest(X, model2)

But I dont see the way how can I make these models (i.e. distributions) to be models so that I can apply AIC/BIC to them

As a side note, a qqplot from StatsPlots might be useful

for these concrete examples (Normal and Poisson) — there are really certain types of linear models, so the first approach might be used

X = Distributions.Binomial(1000, 0.01)
model1 = fit(Poisson, X)
model2 = fit(Normal, X)

using HypothesisTests
ExactOneSampleKSTest(X, model1)
ExactOneSampleKSTest(X, model2)

Great! This could be a good start. I can loop in order to create more models and obtain a data frame from these. The AIC-BIC, I agree with you, requires a different approach

Julia as a CLI Calculator (Score: 101+ in 1 day)

Link: https://readhacker.news/s/4pkuJ
Comments: https://readhacker.news/c/4pkuJ

Вчера ещё прошёл довольно интересный видеосеминар про машинное обучение в физике, например про лагранжевы NN, и хоть там не было напрямую про джулию, код в основном на пайтоне если искать упоминавшиеся работы, может кого нибудь заинтересует