关于

这是一个正在开发中的 crate，将提供构建概率模型和推理算法的可组合抽象。短期内将实现两个参考算法：期望最大化（用于通用后验模式寻找）的 optim::ExpectMax 和 Metropolis-Hastings 后验采样器的 sim::Metropolis。还将提供共轭对的自适应估计（请参阅 distr::Normal、distr::Poisson 和 distr::Binomial 结构的示例）。

大部分功能正在使用来自 nalgebra crate 的线性代数抽象实现。某些优化、采样和基扩展算法通过 GNU GSL（必需的系统依赖）和 Intel MKL（可选的系统依赖；通过切换 cargo 功能 features=["mkl"]）提供。

用法

模型构建

概率模型的基本构件是位于 distr 模块下的 Distribution 实现者

• distr::Bernoulli 用于一元二进制结果；

• distr::Beta 用于二元先验；

• distr::Poisson 用于一元计数结果；

• distr::Gamma 用于通用逆尺度先验；

• distr::Normal 用于一元连续结果和位置先验；

• distr::MultiNormal 用于多元连续结果、位置先验和随机自然参数；

• distr::NormalMixture 用于一元或多元连续结果，通过离散因子边缘化；

• distr::Wishart 用于多元结构化逆尺度先验；

• distr::Categorical 用于多元相互排斥的离散结果；

• distr::Dirichlet 用于分类先验。

• distr::VonMises 用于圆连续结果和方向先验。

实例化单个分布对象仅允许从其当前设置的参数向量中进行抽样和计算摘要统计量。您可以通过将任何 Distribution 实现者条件化到另一个有效的目标分布来构建更复杂的概率模型。

let b = Bernoulli::new(100, None).condition(Beta::new(1,1));

这种条件操作是为 Conditional<Factor> 的实现者定义的。此特质被实现为：

let factor : Option<Beta> = b.take_factor();
# or
let factor : Option<&Beta> = b.view_factor();

let factor : Option<&Beta> = b.find_factor();

let y = DMatrix::from_column_slice(3, 1, &[0., 1., 0.]);
let bern = Bernoulli::new(3, None).condition(Beta::new(1,1));
let posterior : Option<&Beta> = b.fit(&y);