arviz-devs/arviz

Exploratory analysis of Bayesian models with Python

解決的問題

ArviZ 為貝葉斯模型的探索性分析提供了一種標準化的方法。它簡化了理解、檢查和比較這些模型結果的過程，這些模型通常涉及複雜的後驗分佈，手動分析非常困難。

它是一個 Python 套件，提供一整套用於後驗分析、資料儲存、模型檢查、比較和診斷的工具。它允許使用者視覺化和分析貝葉斯模型的輸出，以確保模型運作正確並提供可靠的結果。

適用於從初學者到經驗豐富的實務者等所有貝葉斯建模者。特別適合需要強大工具進行模型診斷和比較的使用者。

專案
maximtrp/scikit-posthocs
一個提供廣泛參數與非參數後續檢定的 Python 套件，用於統計資料分析中的成對多重比較。
專案
sbi-dev/sbi
一個基於貝葉斯方法，利用觀測資料估計模擬器參數後驗分佈的 Python 套件。
專案
erdogant/bnlearn
bnlearn is a Python library for learning, parameterising, and querying Bayesian networks. It supports structure discovery (various scores and search methods), CPT estimation, causal inference (do‑calculus), synthetic data generation, and visualisation, all wrapped in a simple API.
專案
joshspeagle/dynesty
一個使用動態嵌套採樣（Dynamic Nested Sampling）來計算貝氏後驗機率與證據的純 Python 套件。
專案
easystats/bayestestR
一個提供全面函數集的 R 套件，用於分析和描述貝葉斯模型的後驗分佈，重點關注中心性、不確定性和效應顯著性。