pymc3 – Pythonにおける確率論的プログラミング：Theanoとのベイズモデルと確率的機械学習

Github: https://github.com/pymc-devs/pymc3

Pythonにおける確率論的プログラミング：Theanoとのベイズモデルと確率的機械学習 http://pymc-devs.github.io/pymc3/

PyMC3は、ベイジアン統計モデリングと確率的機械学習のためのPythonパッケージで、高度なマルコフ連鎖モンテカルロと変分フィッティングアルゴリズムに焦点を当てています。柔軟性と拡張性により、大きな問題にも適用できます。

スタートガイドを参照するか、Binderを使用してライブサンプルとやり取りしてください！

特徴

例えば、 x ~ N(0,1)はx = Normal('x',0,1)変換されます。
No U-Turn Samplerのような強力なサンプリングアルゴリズムにより、フィッティングアルゴリズムの専門知識がほとんどなく、何千ものパラメータを持つ複雑なモデルが可能になります。
変分推論 ：高速近似事後推定のためのADVI、大規模データセットのためのミニバッチADVI
提供するTheanoに頼っています：
- 計算最適化と動的Cコンパイル
- ナンシー放送と高度なインデックス作成
- 線形代数演算子
- 簡単な拡張性
欠損値代用に対する透過的サポート

入門

ベイジアン統計について既に知っている場合：

PyMC3と一緒に本とベイズ統計を学ぶ：

確率的プログラミングとベイジアンハッカーのための方法：多くの応用例がある素晴らしい本。
John Kruschke著「Doing Bayesian Data Analysis」のPyMC3ポートと第2版：ベイジアンデータ分析への原理導入。
Richard McElreath著「統計的にRとStanの例を用いた統計的再考ベイジアンコース」の本のPyMC3ポート
Michael LeeとEJ Wagenmakersによる本書「Bayesian Cognitive Modeling」のPyMC3ポート：認知モデリングにおけるベイジアン統計の使用に焦点を当てています。
Osvaldo Martin （および正誤表）によるPythonによるベイジアン分析：偉大な入門書。

PyMC3の講演

このYouTubeのプレイリストには、PyMC3に関するいくつかの講演があります

インストール

PyMC3の最新リリースは、pipを使用してPyPIからインストールできます：

pip install pymc3

注： pip install pymcを実行pip install pymcがインストールされます。

またはconda-forge経由で：

conda install -c conda-forge pymc3

PyMC3の現在の開発ブランチは、 pipを使ってGitHubからインストールすることができます：

pip install git+https://github.com/pymc-devs/pymc3

Theanoの開発ブランチがPyMC3（推奨）と一緒にインストールされるようにするには、 requirements.txtファイルを使用してPyMC3をインストールします。リポジトリをコンピュータに複製する必要があります。

git clone https://github.com/pymc-devs/pymc3
cd pymc3
pip install -r requirements.txt

しかし、最近のバージョンのTheanoがすでにシステムにインストールされている場合は、PyMC3をGitHubから直接インストールすることができます。

別のオプションは、リポジトリを複製し、 python setup.py installまたはpython setup.py developを使用してPyMC3をpython setup.py install python setup.py developです。

依存関係

PyMC3はPython 2.7と3.6でテストされ、Theano、NumPy、SciPy、Pandas、Matplotlibに依存しrequirements.txt （バージョン情報についてはrequirements.txtを参照）。

オプション

上記の依存関係に加えて、GLMサブモジュールはPatsyに依存しています。

PyMC3を引用する

Salvatier J.、Wiecki TV、Fonnesbeck C.（2016）PyMC3を使ったPythonでの確率論的プログラミング。 PeerJ Computer Science 2：e55 DOI：10.7717 / peerj-cs.55 。

接触

私たちは主なコミュニケーションチャネルとしてdiscourse.pymc.ioを使用しています。また、 Twitter @pymc_devsで更新やその他のアナウンスについて私たちを追跡することもできます。

PyMC3のモデリングや使用に関する質問をするには、Discourseフォーラムの「質問」カテゴリーに投稿することをお勧めします。また、「開発」カテゴリで機能を提案することもできます。

PyMC3の問題を報告するには、問題追跡ツールを使用してください。

最後に、プロジェクトに関する技術的でない情報を入手する必要がある場合は、電子メールを送信してください。

ライセンス

Apacheライセンス、バージョン2.0

PyMC3を使用したソフトウェア

Bambi ：PythonのBAyesian Model-Building Interface（BAMBI）。
pymc3_models ：Scikit-learn APIの上に構築されたカスタムPyMC3モデル。
webmc3 ：PyMC3のトレースを調べるためのWebインターフェイス
sampled：PyMC3モデル用のデコレータ。
NiPyMC ：PythonでのfMRIデータのベイジアン混合効果モデリング。
ビート：ベイジアン地震解析ツール。

お使いのソフトウェアがここに記載されていない場合は、お問い合わせください。

PyMC3を引用した論文

継続的に更新されるリストについては、 Google Scholarを参照してください。

貢献者

GitHub投稿者のページを参照してください

サポート

PyMC3は、NumFOCUSの傘下にある非営利プロジェクトです。 PyMC3を財政的にサポートしたい場合は、ここで寄付することができます。