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
Performance Optimization
CompétenceMesure, corrige le vrai goulot d’étranglement, puis remesure
pyOpenMS
CompétencePipelines OpenMS pour la protéomique et la métabolomique
RAG Implementation
CompétenceCrée des pipelines qui fondent les réponses sur vos documents
Commentaires(0)
Connectez-vous pour commenter