dfm/emcee

The Python ensemble sampling toolkit for affine-invariant MCMC

해결하는 문제

이 툴킷은 관측된 데이터를 기반으로 수학적 모델의 매개변수를 추정하는 데 사용되는 마르코프 연쇄 몬테카를로(MCMC) 시뮬레이션을 위한 안정적이고 검증된 아핀 불변 앙상블 샘플러의 Python 구현을 제공합니다.

작동 방식

이 툴킷은 Goodman & Weare (2010)가 제안한 특정 앙상블 샘플링 알고리즘을 구현하여, 제안 분포를 수동으로 조정할 필요 없이 샘플러가 매개변수 공간을 효율적으로 탐색할 수 있도록 합니다.

대상

연구자, 특히 베이지안 매개변수 추정 및 복잡한 확률 분포로부터의 샘플링을 위한 강력한 도구가 필요한 천체 물리학 분야의 연구자들.

주요 특징

  • 아핀 불변 앙상블 샘플링
  • 오픈 소스이며 발표된 천체 물리학 연구에서 널리 사용됨
  • MIT License

관련

  • 프로젝트
    pymc-devs/pymc

    PyMC는 MCMC 및 변분 추론 알고리즘을 사용하여 복잡한 확률 모델의 파라미터를 추정하는 Python 패키지입니다.

  • 프로젝트
    scikit-learn-contrib/MAPIE

    MAPIE는 회귀, 분류, 시계열, 컴퓨터 비전 작업을 위한 모델 비의존 예측 구간 및 위험 제어 예측 집합을 제공하는 Python 라이브러리입니다. 모든 scikit-learn 추정기와 함께 작동하며(그리고 TensorFlow/PyTorch 모델을 래핑할 수 있음), 컨포멀 예측에 기반한 통계적으로 보장된 불확실성 추정을 제공합니다. `pip install mapie`로 설치하고 `MapieRegressor` 또는 `MapieClassifier` 래퍼를 사용하여 최소한의 코드로 교정된 구간/집합을 얻으십시오.

  • 프로젝트
    joshspeagle/dynesty

    Dynamic Nested Sampling을 사용하여 베イズ 후험 확률 및 증거를 계산하는 순수 Python 패키지입니다.

  • 프로젝트
    sbi-dev/sbi

    시뮬레이션 기반 추론을 위한 Python 패키지로, 신경망을 사용하여 관측된 데이터를 바탕으로 시뮬레이터 파라미터의 사후 분포를 추정합니다.

  • 프로젝트
    python-adaptive/adaptive

    계산 비용을 줄이기 위해 수학적 함수의 병렬 액티브 러닝을 가능하게 하는 파이썬 라이브러리. 파라미터 공간에서 가장 적절한 샘플링 포인트를 지능적으로 선택하여 계산 비용을 최소화합니다.