bambinos/bambi

解決的問題

Bambi 簡化了在 Python 中建立與擬合貝葉斯線性模型的過程。它特別針對混合效應模型的複雜性，這類模型在社會科學研究中很常見，透過提供高階介面，消除了從零開始撰寫複雜機率程式碼的需要。

如何運作

Bambi 作為 PyMC 機率程式框架的高階封裝。它允許使用者使用公式語法（例如 Reaction ~ Days）定義模型，並自動處理底層 PyMC 模型建構、先驗選擇與取樣。它與 ArviZ 整合，用於模型診斷與結果視覺化。

適用對象

需要對線性或邏輯迴歸模型進行貝葉斯推論，但無需精通機率程式設計的研究人員與資料科學家，特別是社會科學領域的使用者。

主要亮點

• 面向 PyMC 的高階介面，使貝葉斯模型建構更簡單。
• 支援社會科學中常見的混合效應模型。
• 基於公式的模型定義，便於快速迭代。
• 與 ArviZ 整合，支援摘要統計與軌跡圖。