Бэмби (программное обеспечение)

Бэмби
Оригинальный автор(ы)	Дети
Первоначальный выпуск	15 мая 2016 г.
Репозиторий	github .с /дети / Бэмби
Написано в	Питон
Операционная система	Unix-подобный , macOS , Windows
Платформа	Intel x86 – 32-битный , x64
Тип	Статистический пакет
Лицензия	МОЯ лицензия
Веб-сайт	детский .github .что / Бэмби /

Bambi — это высокоуровневый байесовский интерфейс построения моделей, написанный на Python . Он работает со средой вероятностного программирования PyMC . Бэмби предоставляет интерфейс для построения и решения байесовских обобщенных (не)линейных многомерных многоуровневых моделей. ^{[ 1 ]}^{[ 2 ]}^{[ 3 ]}^{[ 4 ]}^{[ 5 ]}^{[ 6 ]}^{[ 7 ]}^{[ 8 ]}^{[ 9 ]}^{[ 10 ]}

Bambi — это проект с открытым исходным кодом , разработанный сообществом и являющийся дочерним проектом NumFOCUS .

Этимология

Бэмби — это аббревиатура от BAyesian Model-Building Interface.

Возможности библиотеки

Спецификация модели с использованием стиля формул в стиле Уилкисона.
Байесовский вывод с использованием методов MCMC и вариационного вывода
Интерфейс с ArviZ , поскольку Бэмби возвращает InferenceData Объект
Интерпретация модели посредством условно скорректированных сравнений, прогнозов и наклонов
Широкий спектр семейств ответов
Приоритеты по умолчанию, которые пользователи могут изменить при необходимости.

См. также

Stan — вероятностный язык программирования для статистических выводов, написанный на C++.

Ссылки

^ Миккола, Петрус; Мартин, Освальдо А.; Чандрамули, Суйог; Хартманн, Марсело; Абриль Пла, Ориол; Томас, Оуэн; Песонен, Анри; Корандер, Юкка; Вехтари, Аки; Каски, Сэмюэл; Бюркнер, Пол-Кристиан; Клами, Арто (2023). «Предварительное извлечение знаний: прошлое, настоящее и будущее» . Байесовский анализ . Международное общество байесовского анализа: 1–33. arXiv : 2112.01380 . дои : 10.1214/23-BA1381 .
^ Штрумбель, Эрик; Бушар-Коте, Александр; Корандер, Юкка; Гельман, Эндрю; Рю, Ховард; Мюррей, Лоуренс; Песонен, Анри; Пламмер, Мартин; Вехтари, Аки (2024). «Прошлое, настоящее и будущее программного обеспечения для байесовского вывода» . Статистическая наука . 39 (1). Институт математической статистики: 46–61. дои : 10.1214/23-STS907 . hdl : 10754/694575 .
^ Мартин, ОА; Кумар, Р; Лао, Дж (2021). Байесовское моделирование и вычисления на Python . Тейлор и Фрэнсис.
^ Касим, SE; Мохан, UR; Штейн, Дж. М.; Джейкобс, Дж (2023). «Нейрональная активность в миндалевидном теле человека и гиппокампе усиливает кодирование эмоциональной памяти» . Природа человеческого поведения . 7 (5): 754–764. дои : 10.1038/s41562-022-01502-8 . ПМЦ 11243592 . ПМИД 36646837 .
^ Петтин, WW; Раман, Д.В.; Редиш, AD (2023). «Человеческое обобщение внутренних представлений посредством обучения прототипам с целенаправленным вниманием» . Природа человеческого поведения . 7 (3): 442–463. дои : 10.1038/s41562-023-01543-7 . ПМИД 36894642 .
^ Пудхийидат, А; Мортон, Северо-Запад; Виверос Дюран, R; Шапиро, AC; Моменнежад, я; Инохоса-Роуленд, DM; Молитор, Р.Дж.; Престон, Арканзас (2022 г.). «Представления временной структуры сообщества в гиппокампе и предклинье предсказывают решения индуктивного рассуждения» . Журнал когнитивной нейронауки . 34 (10): 1736–1760. дои : 10.1162/jocn_a_01864 . ПМЦ 10262802 . ПМИД 35579986 .
^ Майклс, Лиен; Ванниеувенхейзе, Жорре; Лейсен, Йенс; Презираемый, Робин; Сметс, Аннелиен; Геталс, Барт (2023). «Как нам следует измерять пузыри фильтров? Модель регрессии и данные для онлайн-новостей» . Материалы 17-й конференции ACM по рекомендательным системам . РекСис '23. Ассоциация вычислительной техники. стр. 640–651. дои : 10.1145/3604915.3608805 . ISBN 979-8-4007-0241-9 .
^ Каллиойнен, Н; Паананен, Т; Бюркнер, ПК (2024). «Обнаружение и диагностика априорной и вероятностной чувствительности с помощью масштабирования мощности» . Статистика и вычисления . 34 (1): 57. дои : 10.1007/s11222-023-10366-5 .
^ Гемахер, К; Шуберт, Дж; Шмидт, Ф (2024). «Движения глаз отслеживают приоритетные слуховые особенности при избирательном внимании к естественной речи» . Природные коммуникации . 15 : 3692. Бибкод : 2024NatCo..15.3692G . дои : 10.1038/s41467-024-48126-2 . ПМЦ 11063150 .
^ Апрель-Пла, О; Андреани, В; Кэрролл, К; Донг, Л; Фоннесбек, CJ; Кочуров М ; Кумар, Р; Лао, Дж; Луман, CC; Мартин, ОА; Остедж, М; Гребешок, Р; Вецкий, Т; Зиньков Р. (2023). «PyMC: современная и комплексная среда вероятностного программирования на Python » PeerJ Информатика . 9 : е1516. дои : 10.7717/peerj-cs.1516 . ПМЦ 10495961 . ПМИД 37705656 .

Внешние ссылки

[1] Миккола, Петрус; Мартин, Освальдо А.; Чандрамули, Суйог; Хартманн, Марсело; Абриль Пла, Ориол; Томас, Оуэн; Песонен, Анри; Корандер, Юкка; Вехтари, Аки; Каски, Сэмюэл; Бюркнер, Пол-Кристиан; Клами, Арто (2023). «Предварительное извлечение знаний: прошлое, настоящее и будущее» . Байесовский анализ . Международное общество байесовского анализа: 1–33. arXiv : 2112.01380 . дои : 10.1214/23-BA1381 .

[2] Штрумбель, Эрик; Бушар-Коте, Александр; Корандер, Юкка; Гельман, Эндрю; Рю, Ховард; Мюррей, Лоуренс; Песонен, Анри; Пламмер, Мартин; Вехтари, Аки (2024). «Прошлое, настоящее и будущее программного обеспечения для байесовского вывода» . Статистическая наука . 39 (1). Институт математической статистики: 46–61. дои : 10.1214/23-STS907 . hdl : 10754/694575 .

[3] Мартин, ОА; Кумар, Р; Лао, Дж (2021). Байесовское моделирование и вычисления на Python . Тейлор и Фрэнсис.

[4] Касим, SE; Мохан, UR; Штейн, Дж. М.; Джейкобс, Дж (2023). «Нейрональная активность в миндалевидном теле человека и гиппокампе усиливает кодирование эмоциональной памяти» . Природа человеческого поведения . 7 (5): 754–764. дои : 10.1038/s41562-022-01502-8 . ПМЦ 11243592 . ПМИД 36646837 .

[5] Петтин, WW; Раман, Д.В.; Редиш, AD (2023). «Человеческое обобщение внутренних представлений посредством обучения прототипам с целенаправленным вниманием» . Природа человеческого поведения . 7 (3): 442–463. дои : 10.1038/s41562-023-01543-7 . ПМИД 36894642 .

[6] Пудхийидат, А; Мортон, Северо-Запад; Виверос Дюран, R; Шапиро, AC; Моменнежад, я; Инохоса-Роуленд, DM; Молитор, Р.Дж.; Престон, Арканзас (2022 г.). «Представления временной структуры сообщества в гиппокампе и предклинье предсказывают решения индуктивного рассуждения» . Журнал когнитивной нейронауки . 34 (10): 1736–1760. дои : 10.1162/jocn_a_01864 . ПМЦ 10262802 . ПМИД 35579986 .

[7] Майклс, Лиен; Ванниеувенхейзе, Жорре; Лейсен, Йенс; Презираемый, Робин; Сметс, Аннелиен; Геталс, Барт (2023). «Как нам следует измерять пузыри фильтров? Модель регрессии и данные для онлайн-новостей» . Материалы 17-й конференции ACM по рекомендательным системам . РекСис '23. Ассоциация вычислительной техники. стр. 640–651. дои : 10.1145/3604915.3608805 . ISBN 979-8-4007-0241-9 .

[8] Каллиойнен, Н; Паананен, Т; Бюркнер, ПК (2024). «Обнаружение и диагностика априорной и вероятностной чувствительности с помощью масштабирования мощности» . Статистика и вычисления . 34 (1): 57. дои : 10.1007/s11222-023-10366-5 .

[9] Гемахер, К; Шуберт, Дж; Шмидт, Ф (2024). «Движения глаз отслеживают приоритетные слуховые особенности при избирательном внимании к естественной речи» . Природные коммуникации . 15 : 3692. Бибкод : 2024NatCo..15.3692G . дои : 10.1038/s41467-024-48126-2 . ПМЦ 11063150 .

[10] Апрель-Пла, О; Андреани, В; Кэрролл, К; Донг, Л; Фоннесбек, CJ; Кочуров М ; Кумар, Р; Лао, Дж; Луман, CC; Мартин, ОА; Остедж, М; Гребешок, Р; Вецкий, Т; Зиньков Р. (2023). «PyMC: современная и комплексная среда вероятностного программирования на Python » PeerJ Информатика . 9 : е1516. дои : 10.7717/peerj-cs.1516 . ПМЦ 10495961 . ПМИД 37705656 .

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

[ 10 ]