Навык

PyMC

Байесовское моделирование: априоры, NUTS и сравнение моделей

Установка

Содержит скрипты

gh skill install K-Dense-AI/scientific-agent-skills pymc

Условия запуска

Building a Bayesian or hierarchical model, running MCMC or variational inference, or debugging divergences and convergence.

Нужны инструменты

ReadWriteEditBash

Автор: K-Dense Inc.
Лицензия: Apache-2.0

Репозиторийhttps://github.com/K-Dense-AI/scientific-agent-skills

Использует строгую последовательность: априорная прогностическая проверка до подгонки, затем проверка R-hat, эффективного размера выборки и числа дивергенций перед интерпретацией апостериорного распределения. Дивергенции рассматриваются как проблема модели, требующая репараметризации, а не как шум, который можно скрыть повышением target_accept. Иерархическая структура, пропущенные данные и ошибки измерения оформляются как решения при моделировании, а модели сравниваются по LOO и WAIC; два скрипта отвечают за диагностику и сравнение, примеры рассчитаны на PyMC 6.0.1 и PyTensor 3.