PyMC

来自维基百科,自由的百科全书

PyMC(曾叫做PyMC3[1])是一个Python包,用于贝叶斯统计建模概率机器学习,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]

事实速览 原作者, 首次发布 ...
关闭

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英语ArviZ来进行数据可视化贝叶斯推断探索分析英语Exploratory data analysis[6]。PyMC和Stan英语Stan (software)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]心理学[19]

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JAXNumba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]

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英语Stochastic),基于梯度的变分贝叶斯方法用于近似贝叶斯推断。

参见

  • Stan英语Stan (software)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

Loading related searches...

Wikiwand - on

Seamless Wikipedia browsing. On steroids.