pgmpy/pgmpy

해결하는 문제

pgmpy는 그래픽 모델을 사용한 인과적 및 확률적 추론을 위한 프레임워크를 제공합니다. 변수 간의 의존성을 표현하는 복잡한 모델을 구축하고, 학습하며, 추론할 수 있게 해주며, 관측된 증거를 바탕으로 인과 관계를 발견하고 결과를 예측할 수 있도록 합니다.

작동 방식

이 라이브러리는 방향성 비순환 그래프(DAG), 베이지안 네트워크, 구조 방정식 모델 등의 그래픽 모델을 위한 다양한 데이터 구조를 구현합니다. 다음의 주요 작업을 위한 모듈식이고 조합 가능한 API를 제공합니다:

• 구조 학습: 데이터로부터 모델 구조를 학습하고, 전문 지식을 통합할 수 있습니다.
• 파라미터 추정: 관측된 데이터로부터 조건부 확률 분포(CPD)를 추정합니다.
• 추론: 사후 분포(확률적 추론) 또는 개입 분포(인과적 추론)를 계산합니다.
• 시뮬레이션: 지정된 증거나 개입을 기반으로 합성 데이터를 생성합니다.

가능한 한 scikit-learn과 호환되도록 설계되어, 표준 ML 파이프라인에 통합할 수 있습니다.

대상 사용자

확률적 그래픽 모델, 인과 발견, 인과 추론에 종사하는 연구자 및 개발자에게 적합합니다.

주요 특징

• 광범위한 모델 지원: DAG, PDAG, MAG, PAG, 베이지안 네트워크, 동적 베이지안 네트워크, 구조 방정식 모델을 지원합니다.
• 인과 도구 키트: 인과 발견, 식별, 검증을 위한 알고리즘을 포함합니다.
• 유연한 데이터 처리: 이산 데이터, 선형 가우시안 데이터, 임의의 관계를 가진 혼합 데이터( Torch 백엔드를 통해)를 처리할 수 있습니다.
• 모듈식 API: 통합되고 조합 가능한 API를 사용하여 라이브러리의 확장성과 scikit-learn 파이프라인과의 호환성을 보장합니다.