PyMC
Modélisation bayésienne avec a priori, NUTS et comparaison
Installation
Scripts inclusgh skill install K-Dense-AI/scientific-agent-skills pymc
Building a Bayesian or hierarchical model, running MCMC or variational inference, or debugging divergences and convergence.
- Auteur
- K-Dense Inc.
- Licence
- Apache-2.0
Impose un ordre de travail précis : vérification prédictive a priori avant l’ajustement, puis contrôle de R-hat, de la taille d’échantillon effective et des divergences avant toute interprétation de la distribution a posteriori. Les divergences sont traitées comme un problème de modélisation exigeant une reparamétrisation, et non comme du bruit à masquer en augmentant target_accept. La structure hiérarchique, les données manquantes et les erreurs de mesure sont intégrées aux choix de modélisation, tandis que LOO et WAIC servent à comparer les modèles avec deux scripts dédiés aux diagnostics et à la comparaison pour PyMC 6.0.1 sur PyTensor 3.
Compétences similaires
Statistical Power
CompétenceCalcule la taille d’échantillon, l’effet détectable et la puissance
context-guard
CompétenceAvertit avant que la fenêtre de contexte ne soit pleine
AWS Core Skills
CompétenceVingt skills AWS pour CDK, IAM, conteneurs, suivi et coûts
Commentaires(0)
Connectez-vous pour commenter