⚡

PyMC概率编程Skill pymc-probabilistic-programming

PyMC概率编程技能提供了一套完整的Python工具集，专门用于实现灵活的贝叶斯建模和概率编程。核心功能包括分层模型构建、自定义概率分布定义、高斯过程建模、支持MCMC和变分推断等多种推断算法，并集成了ArviZ库进行模型诊断和结果可视化。该技能适用于需要进行不确定性量化、统计推断和预测建模的数据科学、量化金融及科研领域。关键词：贝叶斯建模，概率编程，PyMC，MCMC，变分推断，分层模型，高斯过程，ArviZ可视化，统计计算，Python数据分析。

预测建模 0 次安装 10 次浏览 更新于 2/25/2026

name: pymc-probabilistic-programming description: PyMC用于灵活的贝叶斯建模 allowed-tools:

  • Bash
  • Read
  • Write
  • Edit
  • Glob
  • Grep metadata: specialization: 数学 domain: 科学 category: 统计计算 phase: 6

PyMC概率编程

目的

提供PyMC能力，用于在Python中进行灵活的贝叶斯建模和概率编程。

能力

  • 分层模型规范
  • 自定义分布
  • 高斯过程
  • MCMC和变分推断
  • 模型诊断
  • ArviZ集成用于可视化

使用指南

  1. 模型构建：使用PyMC上下文管理器
  2. 自定义分布：在需要时定义分布
  3. 分层模型：构建适当的分层结构
  4. 可视化：使用ArviZ进行诊断图绘制

工具/库

  • PyMC
  • ArviZ
  • Theano/PyTensor