Стэн (программное обеспечение)

Стэн
Оригинальный автор(ы)	Команда разработчиков Стэна
Начальная версия	30 августа 2012 г.
Стабильная версия	2.34.1 / 23 января 2024 г .; 4 месяца назад
Репозиторий	github .с /stan-dev / Стэн ;
Написано в	С++
Операционная система	Unix-подобный , Microsoft Windows , Mac OS X
Платформа	Intel x86 — 32-разрядный , x64
Тип	Статистический пакет
Лицензия	Новая лицензия BSD
Веб-сайт	Мак-Стэн .org

Stan — это вероятностный язык программирования для статистических выводов, написанный на C++ . ^[2] Язык Stan используется для определения (байесовской) статистической модели с императивной программой , вычисляющей логарифмическую функцию плотности вероятности . ^[2]

Стэн имеет лицензию New BSD License . Стэн назван в честь Станислава Улама , пионера метода Монте-Карло . ^[2]

Стэн был создан командой разработчиков, состоящей из 34 человек. ^[3] в том числе Эндрю Гельман , Боб Карпентер, Мэтт Хоффман и Дэниел Ли.

Интерфейсы [ править ]

Доступ к самому языку Stan можно получить через несколько интерфейсов:

CmdStan — исполняемый файл командной строки для оболочки ,
библиотеки CmdStanR и rstan – Программные R ,
CmdStanPy и PyStan — библиотеки для языка программирования Python ,
CmdStan.rb — библиотека для языка программирования Ruby ,
MatlabStan – интеграция со MATLAB , средой численных вычислений
Stan.jl — интеграция с языком программирования Julia ,
StataStan – интеграция со Stata .

Кроме того, интерфейсы более высокого уровня предоставляются пакетами, использующими Stan в качестве бэкэнда, преимущественно на языке R : ^[4]

rstanarm обеспечивает замену частотных моделей, предоставляемых базой R и lme4, с использованием синтаксиса формулы R;
брмс ^[5] предоставляет широкий спектр линейных и нелинейных моделей с использованием синтаксиса формулы R;
Пророк предоставляет автоматизированные процедуры для временных рядов прогнозирования .

Алгоритмы [ править ]

(MCMC) на основе градиентной Стэн реализует алгоритмы Монте-Карло на основе градиента цепи Маркова для байесовского вывода, стохастические вариационные байесовские методы на основе градиента для приблизительного байесовского вывода и оптимизацию для штрафной оценки максимального правдоподобия.

Алгоритмы MCMC:
- Гамильтониан Монте-Карло (HMC)
- Сэмплер без разворота ^[2]^[6] (NUTS), вариант HMC и стандартного движка MCMC Стэна.
Алгоритмы вариационного вывода:
- Автоматическое дифференцирование, вариационный вывод ^[7]
Алгоритмы оптимизации:
- BFGS с ограниченной памятью (алгоритм оптимизации Стэна по умолчанию)
- Алгоритм Бройдена–Флетчера–Гольдфарба–Шенно
- Аппроксимация Лапласа для классических оценок стандартной ошибки и приближенных байесовских апостериоров

Автоматическая дифференциация [ править ]

Стэн реализует автоматическое дифференцирование в обратном режиме для расчета градиентов модели, что требуется для HMC, NUTS, L-BFGS, BFGS и вариационного вывода. ^[2] Автоматическое дифференцирование в Stan можно использовать за пределами вероятностного языка программирования.

Использование [ править ]

Стэн используется в таких областях, как социальные науки, ^[8] фармацевтическая статистика , ^[9] исследования рынка , ^[10] и медицинская визуализация . ^[11]

См. также [ править ]

PyMC — вероятностный язык программирования на Python.
ArviZ — библиотека Python для исследовательского анализа байесовских моделей.

Ссылки [ править ]

^ «Релиз 2.34.1» . 23 января 2024 г. Проверено 20 февраля 2024 г.
^ Перейти обратно: ^а ^б ^с ^д ^Это Команда разработчиков Стэна. 2015. Руководство пользователя и справочное руководство по языку моделирования Stan, версия 2.9.0.
^ "Команда разработчиков" . stan-dev.github.io . Проверено 25 июля 2018 г.
^ Габри, Джона. «Текущее состояние экосистемы Стэна в R» . Статистическое моделирование, причинный вывод и социальные науки . Проверено 25 августа 2020 г.
^ «BRMS: модели байесовской регрессии с использованием Стэна » . 23 августа 2021 г.
^ Хоффман, Мэтью Д.; Гельман, Эндрю (апрель 2014 г.). «Пробоотборник без разворота: адаптивная настройка длины пути в гамильтоновом методе Монте-Карло» . Журнал исследований машинного обучения . 15 : стр. 1593–1623.
^ Кучукельбир, Альпы; Ранганатх, Раджеш; Блей, Дэвид М. (июнь 2015 г.). «Автоматический вариационный вывод в Стэне». 1506 (3431). arXiv : 1506.03431 . Бибкод : 2015arXiv150603431K . {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )
^ Гудрич, Бенджамин Кинг, Вавро, Грегори и Кацнельсон, Ира, Разработка количественного исторического социального исследования: введение в Стэна (2012). Документ ежегодного собрания APSA 2012. Доступен по номеру SSRN 2105531.
^ Натанегара, Фанни; Нойеншвандер, Бит; Симэн, Джон В.; Кинерсли, Нельсон; Хейльманн, Кори Р.; Олссен, Дэвид; Рочестер, Джордж (2013). «Современное состояние байесовских методов в разработке медицинских изделий: результаты опроса и рекомендации Байесовской научной рабочей группы DIA». Фармацевтическая статистика . 13 (1): 3–12. дои : 10.1002/pst.1595 . ISSN 1539-1612 . ПМИД 24027093 . S2CID 19738522 .
^ Фейт, Элея (15 мая 2017 г.). «Использование Стэна для оценки иерархических моделей Байеса» . Проверено 19 марта 2019 г.
^ Гордон, GSD; Джозеф, Дж; Алколеа, член парламента; Сойер, Т; Макфаден, Эй Джей; Уильямс, К; Фитцпатрик, CRM; Джонс, PH; ди Пьетро, М; Фицджеральд, Р.К.; Уилкинсон, Т.Д.; Бондик, SE (2019). «Количественная фазовая и поляризационная визуализация с помощью оптического волокна, применяемая для обнаружения раннего онкогенеза пищевода» . Журнал биомедицинской оптики . 24 (12): 1–13. arXiv : 1811.03977 . Бибкод : 2019JBO....24l6004G . дои : 10.1117/1.JBO.24.12.126004 . ПМК 7006047 . ПМИД 31840442 .

Дальнейшее чтение [ править ]

Карпентер, Боб; Гельман, Эндрю; Хоффман, Мэтью; Ли, Дэниел; Гудрич, Бен; Бетанкур, Майкл; Брубейкер, Маркус; Го, Цзицян; Ли, Питер; Ридделл, Аллен (2017). «Стэн: вероятностный язык программирования» . Журнал статистического программного обеспечения . 76 (1): 1–32. дои : 10.18637/jss.v076.i01 . ISSN 1548-7660 . ПМЦ 9788645 . ПМИД 36568334 .
Гельман, Эндрю, Дэниел Ли и Цзицян Го (2015). Стэн: Вероятностный язык программирования для байесовского вывода и оптимизации , Журнал образовательной и поведенческой статистики.
Хоффман, Мэтью Д., Боб Карпентер и Эндрю Гельман (2012). Стэн, масштабируемое программное обеспечение для байесовского моделирования. Архивировано 21 января 2015 г. в Wayback Machine , Труды семинара NIPS по вероятностному программированию.

Внешние ссылки [ править ]

Веб-сайт Стэна
Источник Stan — репозиторий Git , размещенный на GitHub.

[wikidata-99289c32172da70cb1fcd924d5f62699f4807ec2-v12-1] «Релиз 2.34.1» . 23 января 2024 г. Проверено 20 февраля 2024 г.

[Stan2015-2] Перейти обратно: ^а ^б ^с ^д ^Это Команда разработчиков Стэна. 2015. Руководство пользователя и справочное руководство по языку моделирования Stan, версия 2.9.0.

[3] "Команда разработчиков" . stan-dev.github.io . Проверено 25 июля 2018 г.

[4] Габри, Джона. «Текущее состояние экосистемы Стэна в R» . Статистическое моделирование, причинный вывод и социальные науки . Проверено 25 августа 2020 г.

[5] «BRMS: модели байесовской регрессии с использованием Стэна » . 23 августа 2021 г.

[NUTS2014-6] Хоффман, Мэтью Д.; Гельман, Эндрю (апрель 2014 г.). «Пробоотборник без разворота: адаптивная настройка длины пути в гамильтоновом методе Монте-Карло» . Журнал исследований машинного обучения . 15 : стр. 1593–1623.

[kucukelbir20153-7] Кучукельбир, Альпы; Ранганатх, Раджеш; Блей, Дэвид М. (июнь 2015 г.). «Автоматический вариационный вывод в Стэне». 1506 (3431). arXiv : 1506.03431 . Бибкод : 2015arXiv150603431K . {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )

[8] Гудрич, Бенджамин Кинг, Вавро, Грегори и Кацнельсон, Ира, Разработка количественного исторического социального исследования: введение в Стэна (2012). Документ ежегодного собрания APSA 2012. Доступен по номеру SSRN 2105531.

[9] Натанегара, Фанни; Нойеншвандер, Бит; Симэн, Джон В.; Кинерсли, Нельсон; Хейльманн, Кори Р.; Олссен, Дэвид; Рочестер, Джордж (2013). «Современное состояние байесовских методов в разработке медицинских изделий: результаты опроса и рекомендации Байесовской научной рабочей группы DIA». Фармацевтическая статистика . 13 (1): 3–12. дои : 10.1002/pst.1595 . ISSN 1539-1612 . ПМИД 24027093 . S2CID 19738522 .

[10] Фейт, Элея (15 мая 2017 г.). «Использование Стэна для оценки иерархических моделей Байеса» . Проверено 19 марта 2019 г.

[pmid27279676-11] Гордон, GSD; Джозеф, Дж; Алколеа, член парламента; Сойер, Т; Макфаден, Эй Джей; Уильямс, К; Фитцпатрик, CRM; Джонс, PH; ди Пьетро, М; Фицджеральд, Р.К.; Уилкинсон, Т.Д.; Бондик, SE (2019). «Количественная фазовая и поляризационная визуализация с помощью оптического волокна, применяемая для обнаружения раннего онкогенеза пищевода» . Журнал биомедицинской оптики . 24 (12): 1–13. arXiv : 1811.03977 . Бибкод : 2019JBO....24l6004G . дои : 10.1117/1.JBO.24.12.126004 . ПМК 7006047 . ПМИД 31840442 .

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]