满足您所有先前启发需求的地方。
项目描述
一个用于先前启发的工具箱。
概述
先前启发是指将特定领域的知识转化为良好定义的概率分布的过程。指定有用的先验是贝叶斯统计学的一个核心方面。PreliZ是一个Python包，旨在通过提供一系列用于先前启发的各种方面的工具，帮助从业者选择先验分布。它涵盖了从参数空间上的一维先验启发到观察空间上的预测启发的一系列方法。目标是与Python生态系统中的概率编程语言（PPL）如PyMC和PyStan兼容，同时保持对任何特定PPL的无偏见。
PreliZ的一个好伴侣是PriorDB，一个用于贝叶斯分析的前验分布数据库。这是一个由社区驱动的项目，旨在为各种模型和应用提供全面的前验分布集合。
PreliZ的禅意
- 开源、社区驱动、多样性和包容性。
- 避免完全自动化的解决方案，保持人工参与。
- 在人类和计算机之间分离任务，以便用户在需要大量计算、易出错或繁琐的任务自动化的同时，仍能保留对重要决策的控制权。
- 防止用户对自己的观点过度自信。
- 易于与其他工具集成。
- 允许预测性提取。
- 拥有简单直观的界面，适合非专业人士使用，以最大限度地减少认知偏差和启发式方法。
- 在核密度估计图、分位数散点图、直方图等不同类型的可视化之间切换。
- 对底层概率编程语言无偏见。
- 模块化。
文档
PreliZ 的文档可以在 官方文档 中找到。
安装
最新版本
PreliZ 可从 PyPI 安装。可以使用 pip 安装最新版本（基本依赖集）。
pip install preliz
要使用交互式功能，您可以安装可选依赖项
- 对于 JupyterLab
pip install "preliz[full,lab]"
- 对于 Jupyter Notebook
pip install "preliz[full,notebook]"
PreliZ 还可通过 conda-forge 获取。
conda install -c conda-forge preliz
开发
可以使用 pip 从主分支安装最新开发版本。
pip install git+git://github.com/arviz-devs/preliz.git
引用
如果您在工作中发现 PreliZ 有用，我们恳请您引用以下论文
@article{Icazatti_2023,
author = {Icazatti, Alejandro and Abril-Pla, Oriol and Klami, Arto and Martin, Osvaldo A},
doi = {10.21105/joss.05499},
journal = {Journal of Open Source Software},
month = sep,
number = {89},
pages = {5499},
title = {{PreliZ: A tool-box for prior elicitation}},
url = {https://joss.theoj.org/papers/10.21105/joss.05499},
volume = {8},
year = {2023}
}
贡献
PreliZ 是一个社区项目，欢迎贡献力量。更多信息可以在 贡献说明 中找到。
行为准则
PreliZ 希望维护一个积极的社区。更多详细信息可以在 行为准则 中找到。
捐赠
PreliZ，作为其他 ArviZ-devs 项目，是 NumFOCUS 旗下的非营利项目。如果您想从财务上支持 PreliZ，您可以通过 这里 进行捐赠。
赞助商
下载文件
下载适合您平台的文件。如果您不确定选择哪个，请了解更多关于 安装包 的信息。
源代码分发
preliz-0.10.0.tar.gz (437.6 kB 查看哈希)
构建分发
preliz-0.10.0-py3-none-any.whl (509.9 kB 查看哈希)
关闭
preliz-0.10.0.tar.gz 的哈希
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 902620ae7ca99d78f3b5b2ca36804e4cac2ccf6321e5bddab705fb03917c303c |
|
| MD5 | f061b01a4094aa3fd86e12899c285f05 |
|
| BLAKE2b-256 | 8bc2a6f91c010cc099e53a2e8e59dac98ea5ad2121c85a866274d25a5a909dd4 |
关闭
preliz-0.10.0-py3-none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 7935ea9c36b11d414a164616ad868e448f2a1f4ecae96f5e8c17196631352669 |
|
| MD5 | abd43d75893afcd93fc87fa38e23d01c |
|
| BLAKE2b-256 | f1d7a0c57efcc8515ef4e9a5d1be07539b7b4fb93cd03276a222501d552aae3a |