pymc

Создаёт и проверяет байесовские модели с PyMC, включая иерархические модели, MCMC NUTS, вариационный вывод и сравнение моделей PSIS-LOO. Подходит для вероятностного моделирования и оценки неопределённости.

KDK-Dense official Данные ★ 47.7k

Что делает навык

Создаёт и проверяет байесовские модели с использованием PyMC, включая иерархические модели, MCMC NUTS, вариационный вывод и сравнение моделей через PSIS-LOO. Предназначен для вероятностного моделирования и оценки неопределённости.

Когда применять

  • Построение иерархических моделей с калиброванными априорными распределениями и проверкой сходимости цепей.
  • Сравнение моделей с использованием метрики PSIS-LOO и анализ надёжности результатов.
  • Генерация постериорных предсказаний и проверка качества модели на синтетических данных.
  • Анализ неопределённости прогнозов с учётом групповых эффектов и шума наблюдений.

Как работает

  1. Определите оцениваемую величину и единицы предсказания, сохранив структуру данных и пропуски.
  2. Постройте генеративную модель с априорными распределениями, проверив поддержку правдоподобия и начальные логарифмические вероятности.
  3. Запустите проверку априорных предсказаний и проверьте сходимости цепей (R-hat, ESS, дивергенции) после фитинга.
  4. Сгенерируйте постериорные предсказательные реплики и проанализируйте остатки, хвосты распределения и групповые эффекты.
  5. Сравните модели с помощью PSIS-LOO, используя функции из scripts/model_comparison, и проверьте надёжность сравнения.

Примеры запросов агенту

Построй байесовскую линейную регрессию с PyMC, проверь сходимость цепей NUTS и выведи сводку по параметрам.
Сравни две модели (линейную и робастную) с помощью PSIS-LOO, используя данные из idata, и покажи веса усреднения моделей.
Создай иерархическую модель для предсказания новой группы, используя постериорные гиперпараметры, и проверь качество предсказаний.

Что понадобится

  • PyMC 6.3.2, PyTensor 3.3.2, ArviZ 1.3.0
  • Локальная среда Python (без удалённых сервисов)
  • Доступ к скриптам из директории scripts (model_diagnostics, model_comparison)

Описание составлено по SKILL.md навыка, сверено 08.10.2026.

Как подключить

1Скачать навык
# возьмите папку навыка «pymc» из репозитория: # https://github.com/k-dense-ai/scientific-agent-skills
2Положить папку с SKILL.md к навыкам ассистента
# положите папку навыка туда, где ассистент ищет skills: cp -r pymc/ ~/.claude/skills/pymc/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.