pymc

PyMC（旧称PyMC3）は、高度なマルコフ連鎖モンテカルロ（MCMC）法および変分推論（VI）アルゴリズムに焦点を当てた、Python製のベイズ統計モデリングパッケージです。その柔軟性と拡張性により、多様なドメインにおける広範な問題に応用可能です。 主な特徴として、直感的なモデル指定構文（例：x ~ N(0,1) は x = Normal('x',0,1) に相当）、複雑なモデルでも専門的なアルゴリズム知識が少なくても扱えるNo U-Turn Sampler (NUTS) などの強力なサンプリングアルゴリズム、大規模データセットに対応するミニバッチADVIを含む高速近似事後推論のための変分推論機能があります。計算最適化にはPyTensorを利用し、動的なCまたはJAXコンパイル、NumPyブロードキャスト、高度なインデックス付け、線形代数演算子、シンプルな拡張性をサポートしています。また、欠損値補完への透明なサポートも提供しています。 このフレームワークは、座標と次元を持つ生成モデルの定義、事前予測分布からのサンプリング、データ観測による推論、事後予測サンプルの生成、do()演算子を用いたパラメータ変更下でのシナリオシミュレーション（反事実分析）を含む、完全なベイズワークフローをサポートします。READMEに記載された植物成長予測のための線形回帰モデルの例では、推定パラメータが固定された真の値とどのように一致するか、そして事後予測サンプリングや反事実的介入がどのように実行可能かが示されています。 PyMCはNumFOCUS傘下の非営利プロジェクトであり、Apache License 2.0の下でライセンスされています。関連ソフトウェアの豊かなエコシステムを持ち、ベイズモデル構築用のBambi、観測モデル用のcalibr8、ガウス過程モデル用のgumbi、高速ODE求解用のSunODEといったツールに加え、天文学時系列用のExoplanet、地震分析用のbeat、因果推論用のCausalPy、マーケティングミックスモデリング用のPyMC-Marketingといったドメイン固有のツールが含まれます。プロジェクトは包括的なドキュメント、チュートリアル、例のギャラリー、およびコミュニティサポートのための活発なDiscourseフォーラムを提供しています。