EmuKit/emukit
A Python-based toolbox of various methods in decision making, uncertainty quantification and statistical emulation: multi-fidelity, experimental design, Bayesian optimisation, Bayesian quadrature, etc.
解决的问题
Emukit 解决了在数据稀缺或获取成本高昂的复杂系统中进行不确定性下的决策问题。它提供工具，通过在设计循环中传播经过良好校准的不确定性估计，确保有限的计算或实验资源得到高效利用。
工作原理
Emukit 作为一个与模型无关的工具包，与 Python 生态系统集成。它允许用户构建代理模型（模拟器）来近似高成本函数。支持多种技术，包括多保真度模拟（结合来自不同成本/精度数据源的信息）、用于参数调优的贝叶斯优化，以及用于高效积分的贝叶斯积分。
适用人群
专为在评估系统成本高昂且需要战略性实验设计的复杂物理过程或机器学习算法领域工作的研究人员和工程师设计。
主要亮点
- 多保真度模拟：整合来自不同保真度和成本的数据源信息。
- 贝叶斯优化：用于机器学习参数调优或优化物理实验。
- 实验设计：提供主动学习工具和设计最具信息量实验的方法。
- 敏感性分析：分析输入如何影响系统输出。
- 贝叶斯积分：高效计算高成本函数的积分。
- 框架无关：与 Python 生态系统中的多种建模工具兼容。
相关
- 项目
- 项目
- 项目
- 项目
- 项目