PyMC

PyMC（曾叫做PyMC3^[2]）是一個Python包，用於貝葉斯統計建模和概率機器學習，它聚焦於高級馬爾可夫鏈蒙特卡洛法和變分擬合算法^[3][4][5]。

PyMC

原作者	PyMC開發團隊
首次發布	2013年5月4日 (2013-05-04)
當前版本	5.25.1[1]（2025年7月24日）
原始碼庫	https://github.com/pymc-devs/pymc
程式語言	Python
作業系統	類Unix, Mac OS X, Microsoft Windows
平台	Intel x86 – 32-bit, x64
類型	統計包（英語：List of statistical software）
許可協議	Apache License, Version 2.0
網站	www.pymc.io

概述

PyMC曾經叫做PyMC3，不同於早先的使用Fortran擴展進行計算的PyMC2，它依靠Theano來進行自動微分、計算優化和動態C語言編譯^[4][6]。從版本3.8開始PyMC依據ArviZ（英語：ArviZ）來進行數據可視化和貝葉斯推斷的探索分析（英語：Exploratory data analysis）^[7]。PyMC和Stan（英語：Stan (software)）是兩個最流行的概率編程工具^[8]。

PyMC是開源項目，由社區開發並在財務上得到NumFocus贊助^[9]。PyMC已經在很多領域中被用於解決推斷問題，包括天文學^[10][11]、流行病學^[12][13]、分子生物學^[14]、晶體學^[15][16]、化學^[17]、生態學^[18][19]和心理學^[20]。

在Theano於2017年宣布計劃停止開發之後^[21]，PyMC團隊曾評估採用TensorFlow Probability^[22]作為計算後端^[23]，但是在2020年接管Theano的開發^[24]。在2021年1月絕大部份的Theano代碼基被重新建造，並增加了通過JAX和Numba的編譯，修訂後的這個計算後端以新名字Aesara發行。PyMC團隊在2021年6月將PyMC3更名為PyMC^[2]。2022年11月28日，PyMC團隊宣布採用從Aesara計劃分叉出PyTensor^[25]。

推論引擎

PyMC實現了不基於梯度的和基於梯度的馬爾可夫鏈蒙特卡洛（MCMC）算法用於貝葉斯推斷和隨機（Stochastic（英語：Stochastic）），基於梯度的變分貝葉斯方法用於近似貝葉斯推斷。

• MCMC算法：
  • No-U-Turn採樣（NUTS）^[26]，是哈密頓蒙特卡洛（英語：Hamiltonian Monte Carlo）的變體和PyMC3用於連續變量的缺省引擎。
  • 梅特羅波利斯-黑斯廷斯算法，是PyMC3用於離散變量的缺省引擎。
  • 順序蒙特卡洛算法。
• 變分推斷算法：
  • 黑箱變分推斷^[27]。

參見

• Stan（英語：Stan (software)）是用C++編寫統計推論的概率程式語言。