sbi

sbi 概覽

這是什麼

sbi 是一個用於模擬推論（simulation-based inference）的 Python 套件，旨在滿足研究人員與實務工作者的需求。透過 sbi，你可以使用貝氏推論進行參數推估：給定一個模擬真實世界過程的模擬器，SBI 會根據觀測資料估算模擬器參數的完整後驗分佈。這個分佈不僅指出最可能的參數值，還能量化不確定性並揭示參數之間的潛在交互作用。

主要功能

• 低階介面：提供對推論流程的最大控制 - 高階介面：快速且輕鬆地實現複雜的推論任務 - 平攤方法（amortized methods）：可在多個觀測值之間重複使用後驗估計器，無需重新訓練 - 序列方法（sequential methods）：針對單一觀測值最佳化模擬次數 - 內建驗證工具：驗證推論後驗的準確性 - 全面的繪圖與分析函式：視覺化並解讀後驗分佈

使用情境

sbi 適用於任何擁有模擬器的領域進行參數推論。典型應用包括科學建模、工程，以及任何需要處理難以計算概似函數的貝氏推論場景。該套件支援平攤與序列推論，適合多觀測值或模擬預算有限的情況。

快速開始

python # 安裝（需要 Python 3.10 以上） uv pip install sbi # 選擇性安裝 MCMC 取樣器 uv pip install sbi[pyro] # Pyro 取樣器（HMC, NUTS） uv pip install sbi[pymc] # PyMC 取樣器（HMC, NUTS, Slice） uv pip install sbi[all] # 同時安裝 Pyro 與 PyMC # 快速入門範例 from sbi.inference import NPE # 給定：參數 theta 與對應的模擬結果 x inference = NPE(prior=prior) inference.append_simulations(theta, x).train() posterior = inference.build_posterior()

授權與價格

Apache License Version 2.0（Apache-2.0）。此為開源套件，未標示任何價格。

內容整理自該專案公開的 README 與儲存庫資訊。