pymc-devs/pymc

해결하는 문제

PyMC는 사용자가 확률 모델을 정의하고 그 파라미터를 추정할 수 있도록 하는 프레임워크를 제공합니다. 사용자가 적합 알고리즘에 대한 깊은 전문 지식 없이도 복잡한 사후 추정과 결측치 보정을 수행할 수 있도록 합니다.

작동 방식

PyMC는 직관적인 구문(예: x ~ N(0,1))을 사용하여 모델을 지정합니다. 계산 최적화 및 C 또는 JAX로의 동적 컴파일을 위해 PyTensor를 활용합니다. 파라미터 추정을 위해 마르코프 체인 몬테카를로(MCMC)용 No U-Turn 샘플러(NUTS)와 대규모 데이터셋에 대한 미니배치 지원을 포함한 빠른 근사 추정을 위한 자동 미분 변분 추론(ADVI)과 같은 고급 샘플링 알고리즘을 사용합니다.

대상 사용자

연구자, 데이터 과학자, 통계학자 등 단순한 선형 회귀부터 복잡한 과학적 모델링에 이르기까지 다양한 문제에 유연한 베이즈 모델을 구축해야 하는 사람들에게 적합합니다.

주요 특징

• 강력한 샘플링: 수천 개의 파라미터를 가진 모델을 처리할 수 있는 No U-Turn 샘플러 포함.
• 변분 추론: 빠른 근사 사후 추정을 위한 ADVI 제공.
• 최적화된 백엔드: NumPy 브로드캐스트, 선형 대수 연산자, JAX 컴파일을 지원하는 PyTensor 기반.
• 유연한 구문: 직관적인 모델 지정 언어 제공.
• 결측 데이터 지원: 결측치 보정을 투명하게 지원.