- 公式発表（英語）
- PyMCは、バージョン4.0より名称がPyMC3からPyMCに戻る。そのためPyMC 4.0を
condaでインストールするためには、pymc3ではなくpymcとしなければならない。PyMCのインストール手順については、 PythonとPyMCのインストール手順およびPyMCの公式サイトを参照のこと。 - PyMC 4.0へのアップグレードにより、パッケージの仕様の一部が変更となった。それを反映させたPythonコードをレポジトリの
pythonというフォルダに置いてある。 - 同じ
pythonの中のpymc3というフォルダ内にPyMC 3.11.5で動作するPythonコードがあるので、古いPyMC3を引き続き使用する人はこちらのコードを使って欲しい。なおpymc3に置かれているのは仕様変更の影響を受けるコードのみである。そうでない場合は親フォルダであるpythonのコードがそのまま動く。
-
古いAnacondaがインストールされているときは、この手順でアンインストールしておく。
-
Anacondaのインストーラー (Windows, macOS or Linux) をここから入手する.
-
ダウンロードしたインストーラーをダブルクリックして Anacondaのインストールを行う。
Anaconda Powershell Prompt (Windows) あるいはTerminal (macos, Linux) を立ち上げて、
conda create -c conda-forge -n bayes jupyterlab seaborn tqdm pymc
とする。続けて
conda activate bayes
として、最後に
python -m ipykernel install --user --name bayes --display-name "Python (Bayes)"
とすれば、環境の設定が完了する。
Anaconda NavigatorをStart Menu (Windows) か Launchpad (macOS) から起動する。 あるいは、Anaconda Powershell Prompt (Windows) か Terminal (macOS, Linux) を立ち上げて、
anaconda-navigator
としてもよい。そして、Anaconda NavigatorでJupyter NotebookのLaunchボタンをクリックする。
Anaconda Powershell Prompt (Windows) か Terminal (macOS, Linux) を立ち上げて、
conda activate bayes
jupyter notebook
とする。
方法1あるいは方法2を実行すると、規定のブラウザーが立ち上がり、Jupyter Notebookが起動する。その画面の右上にあるNewのプルダウンメニューの中にあるPython (Bayes)を選んでNotebookを開始すればよい。
注意: Newのプルダウンメニューの中にあるPython 3を選んでNotebookを開始すると、PyMCを使用することができない。
- コード2.1 ベルヌーイ分布の成功確率の事前分布: pybayes_beta_prior.py
- コード2.2 ベータ分布のグラフ: pybayes_beta_distribution.py
- コード2.3 ベルヌーイ分布の成功確率の事後分布と事後統計量: pybayes_conjugate_bernoulli.py
- コード2.4 損失関数と区間推定の図示: pybayes_posterior_inference.py
- コード3.1 ポアソン分布のλの事後分布と事後統計量: pybayes_conjugate_poisson.py
- コード3.2 正規分布の平均と分散の事後分布と事後統計量: pybayes_conjugate_gaussian.py
- コード3.3 回帰係数と誤差項の分散の事後分布と事後統計量: pybayes_conjugate_regression.py
- コード3.4 ポアソン分布とガンマ分布の例: pybayes_poisson_gamma.py
- コード3.5 正規分布の例: pybayes_gaussian_distribution.py
- コード3.6 逆ガンマ分布とt分布の例: pybayes_invgamma_t.py
注意 バージョン3.9以降のPyMCでは、以下のコードはJupyter Notebook上でのみ実行可能となっている。そのためコード全体をJupyter Notebook内のセルにコピーして実行しなければならない。
- コード4.1 回帰モデルのベイズ分析(自然共役事前分布): pybayes_mcmc_reg_ex1.py
- コード4.2 回帰モデルのベイズ分析(正規分布 + 逆ガンマ分布): pybayes_mcmc_reg_ex2.py
- コード4.3 回帰モデルのベイズ分析(重回帰モデル): pybayes_mcmc_reg_ex3.py
- コード4.4 回帰モデルのベイズ分析(ラプラス分布 + 半コーシー分布): pybayes_mcmc_reg_ex4.py
- コード4.5 ロジット・モデルのベイズ分析: pybayes_mcmc_logit.py
- コード4.6 プロビット・モデルのベイズ分析: pybayes_mcmc_probit.py
- コード4.7 ポアソン回帰モデルのベイズ分析: pybayes_mcmc_poisson.py
注意 バージョン3.9以降のPyMCでは、コード5.1-5.3はJupyter Notebook上でのみ実行可能となっている。そのためコード全体をJupyter Notebook内のセルにコピーして実行しなければならない。
- コード5.1 ノイズを含むAR(1)過程: pybayes_mcmc_ar1.py
- コード5.2 使用電力量のトレンドと季節変動: pybayes_mcmc_decomp.py
- コード5.3 確率的ボラティリティ・モデル: pybayes_mcmc_sv.py
- コード5.4 時系列データのプロット: pybayes_timeseries_data.py
- ドル円為替レート日次データ: dollaryen.csv
- 電灯電力需要実績月報・用途別使用電力量・販売電力合計・10社計: electricity.csv
- コード6.1 正規分布に対するギブズ・サンプラー: pybayes_gibbs_gaussian.py
- コード6.2 回帰モデルに対するギブズ・サンプラー: pybayes_gibbs_regression.py