热门问题
时间线
聊天
视角
PyMC
来自维基百科，自由的百科全书
Remove ads
PyMC（曾叫做PyMC3[1]）是一个Python包，用于贝叶斯统计建模和概率机器学习，它聚焦于高级马尔可夫链蒙特卡洛法和变分拟合算法[2][3][4]。
概述
PyMC曾经叫做PyMC3，不同于早先的使用Fortran扩展进行计算的PyMC2，它依靠Theano来进行自动微分、计算优化和动态C语言编译[3][5]。从版本3.8开始PyMC依据ArviZ来进行数据可视化和贝叶斯推断的探索分析[6]。PyMC和Stan是两个最流行的概率编程工具[7]。
PyMC是开源项目，由社区开发并在财务上得到NumFocus赞助[8]。PyMC已经在很多领域中被用于解决推断问题，包括天文学[9][10]、流行病学[11][12]、分子生物学[13]、晶体学[14][15]、化学[16]、生态学[17][18]和心理学[19]。
在Theano于2017年宣布计划停止开发之后[20]，PyMC团队曾评估采用TensorFlow Probability[21]作为计算后端[22]，但是在2020年接管Theano的开发[23]。在2021年1月绝大部分的Theano代码基被重新建造，并增加了通过JAX和Numba的编译，修订后的这个计算后端以新名字Aesara发行。PyMC团队在2021年6月将PyMC3更名为PyMC[1]。2022年11月28日，PyMC团队宣布采用从Aesara计划分叉出PyTensor[24]。
Remove ads
推论引擎
PyMC实现了不基于梯度的和基于梯度的马尔可夫链蒙特卡洛（MCMC）算法用于贝叶斯推断和随机（Stochastic），基于梯度的变分贝叶斯方法用于近似贝叶斯推断。
- MCMC算法：
- No-U-Turn采样（NUTS）[25]，是哈密顿蒙特卡洛的变体和PyMC3用于连续变量的缺省引擎。
- 梅特罗波利斯-黑斯廷斯算法，是PyMC3用于离散变量的缺省引擎。
- 顺序蒙特卡洛算法。
- 变分推断算法：
- 黑箱变分推断[26]。
参见
- Stan是用C++编写统计推论的概率编程语言。
引用
延伸阅读
外部链接
Wikiwand - on
Seamless Wikipedia browsing. On steroids.
Remove ads