Стэн (программное обеспечение) - Stan (software)

Стэн
Оригинальный автор (ы)	Команда разработчиков Stan
изначальный выпуск	30 августа 2012 г.
Стабильный выпуск	2.24 / август 2020
Репозиторий	github.com/ stan-dev/ стан;
Написано в	C ++
Операционная система	Unix-подобный, Майкрософт Виндоус, Mac OS X
Платформа	Intel x86 - 32-бит, x64
Тип	Статистический пакет
Лицензия	Новая лицензия BSD
Интернет сайт	Mc-Stan.org

Стэн это вероятностный язык программирования для статистические выводы написано в C ++.^[1] Стандартный язык используется для указания (байесовского) статистическая модель с императивная программа расчет журнала функция плотности вероятности.^[1]

Стэн имеет лицензию на Новая лицензия BSD. Стэн назван в честь Станислав Улам, пионер Метод Монте-Карло.^[1]

Стэн был создан командой разработчиков, состоящей из 34 человек.^[2] это включает Андрей Гельман, Боб Карпентер, Мэтт Хоффман и Дэниел Ли.

Интерфейсы

К самому языку Stan можно получить доступ через несколько интерфейсов:

CmdStan - исполняемый файл командной строки для оболочка
RStan - интеграция с Программная среда R, поддерживается Андрей Гельман и коллеги
PyStan - интеграция с Язык программирования Python
MatlabStan - интеграция с MATLAB вычислительная среда
Stan.jl - интеграция с Язык программирования Julia
StataStan - интеграция с Stata

Кроме того, интерфейсы более высокого уровня предоставляются с пакетами, использующими Stan в качестве бэкэнда, в основном в R язык^[3]:

rstanarm - обеспечивает замену частотных моделей, предоставляемых базой R и lme4, с использованием синтаксиса формулы R.
brms - предоставляет широкий спектр линейных и нелинейных моделей с использованием синтаксиса формулы R. ^[4]
blavaan - предоставляет модели скрытых переменных, включая подтверждающий факторный анализ, модели структурных уравнений и модели скрытых кривых роста
пророк - обеспечивает прогнозирование временных рядов

Алгоритмы

Стэн реализует градиентную основу Цепь Маркова Монте-Карло (MCMC) алгоритмы байесовского вывода, стохастические, градиентные вариационные байесовские методы для приближенного байесовского вывода и на основе градиента оптимизация для оценки максимального правдоподобия со штрафом.

Алгоритмы MCMC:
- Пробоотборник без разворота^[1]^[5] (NUTS), вариант HMC и стандартного движка MCMC Стэна
- Гамильтониан Монте-Карло
Алгоритмы вариационного вывода:
- Вариационный вывод черного ящика^[6]
Алгоритмы оптимизации:
- BFGS с ограниченной памятью (Алгоритм оптимизации Стэна по умолчанию)
- Алгоритм Бройдена – Флетчера – Гольдфарба – Шенно
- Метод Лапласа для классических оценок стандартной ошибки и приближенных байесовских апостериоров

Автоматическая дифференциация

Стэн реализует обратный режим автоматическая дифференциация для расчета градиентов модели, что требуется для HMC, NUTS, L-BFGS, BFGS и вариационного вывода.^[1] Автоматическое дифференцирование в Stan может использоваться вне вероятностного языка программирования.

Применение

Стэн используется в таких областях, как социальные науки,^[7] фармацевтическая статистика,^[8] исследования рынка,^[9] и медицинская визуализация.^[10]

использованная литература

^ ^а ^б ^c ^d ^е Команда разработчиков Stan. 2015 г. Стандартное руководство пользователя и справочное руководство по языку моделирования, версия 2.9.0
^ "Команда разработчиков". stan-dev.github.io. Получено 2018-07-25.
^ Габри, Иона. «Текущее состояние экосистемы Stan в R». Статистическое моделирование, причинно-следственные связи и социальные науки. Получено 25 августа 2020.
^ https://cran.r-project.org/web/packages/brms/index.html
^ Хоффман, Мэтью Д.; Гельман, Андрей (апрель 2014 г.). "Пробоотборник без разворота: адаптивная установка длины пути в гамильтониане Монте-Карло". Журнал исследований в области машинного обучения. 15: стр. 1593–1623.
^ Кучукельбир, Альп; Ранганатх, Раджеш; Блей, Дэвид М. (июнь 2015 г.). «Автоматический вариационный вывод в Stan». 1506 (3431). arXiv:1506.03431. Bibcode:2015arXiv150603431K. Цитировать журнал требует | журнал = (Помогите)
^ Гудрич, Бенджамин Кинг, Вавро, Грегори и Кацнельсон, Ира, Разработка количественного исторического социального исследования: введение в Стэна (2012). Документ ежегодного собрания APSA 2012. Доступны на SSRN 2105531
^ Натанегара, Фанни; Нойеншвандер, Бит; Моряк, Джон В .; Киннерсли, Нельсон; Heilmann, Cory R .; Ольссен, Дэвид; Рочестер, Джордж (2013). «Текущее состояние байесовских методов в разработке медицинских продуктов: результаты исследования и рекомендации байесовской научной рабочей группы DIA». Фармацевтическая статистика. 13 (1): 3–12. Дои:10.1002 / pst.1595. ISSN 1539-1612. PMID 24027093.
^ Фейт, Элея. «Использование Стэна для оценки иерархических байесовских моделей». Получено 19 марта 2019.
^ Гордон, GSD; Джозеф, Дж; Алколея, депутат; Сойер, Т; Macfaden, AJ; Уильямс, C; Фитцпатрик, CRM; Джонс, PH; ди Пьетро, М; Фитцджеральд, Р. Уилкинсон, Т. Д.; Bohndiek, SE (2018). «Количественная фазовая и поляризационная эндоскопия, применяемая для выявления раннего онкогенеза пищевода». arXiv:1811.03977 [Physics.med-ph ].

дальнейшее чтение

Боб, Карпентер; Андрей, Гельман; Мэтью, Хоффман; Дэниел, Ли; Бен, Гудрич; Майкл, Бетанкур; Маркус, Брубейкер; Цзицян, Го; Питер, Ли; Аллен, Ридделл (2017). «Стэн: вероятностный язык программирования». Журнал статистического программного обеспечения. 76 (1): 1–32. Дои:10.18637 / jss.v076.i01. ISSN 1548-7660.
Гельман, Эндрю, Даниэль Ли и Цзицян Го (2015). Стэн: вероятностный язык программирования для байесовского вывода и оптимизации., Журнал образовательной и поведенческой статистики.
Хоффман, Мэтью Д., Боб Карпентер и Эндрю Гельман (2012). Stan, масштабируемое программное обеспечение для байесовского моделирования, Труды семинара NIPS по вероятностному программированию.

внешние ссылки

Стэн веб-сайт
Стандартный источник, а Git репозиторий, размещенный на GitHub

[Stan2015-1] а ^б ^c ^d ^е Команда разработчиков Stan. 2015 г. Стандартное руководство пользователя и справочное руководство по языку моделирования, версия 2.9.0

[2] "Команда разработчиков". stan-dev.github.io. Получено 2018-07-25.

[3] Габри, Иона. «Текущее состояние экосистемы Stan в R». Статистическое моделирование, причинно-следственные связи и социальные науки. Получено 25 августа 2020.

[4] ttps://cran.r-project.org/web/packages/brms/index.html

[NUTS2014-5] Хоффман, Мэтью Д.; Гельман, Андрей (апрель 2014 г.). "Пробоотборник без разворота: адаптивная установка длины пути в гамильтониане Монте-Карло". Журнал исследований в области машинного обучения. 15: стр. 1593–1623.

[kucukelbir20153-6] Кучукельбир, Альп; Ранганатх, Раджеш; Блей, Дэвид М. (июнь 2015 г.). «Автоматический вариационный вывод в Stan». 1506 (3431). arXiv:1506.03431. Bibcode:2015arXiv150603431K. Цитировать журнал требует | журнал = (Помогите)

[7] Гудрич, Бенджамин Кинг, Вавро, Грегори и Кацнельсон, Ира, Разработка количественного исторического социального исследования: введение в Стэна (2012). Документ ежегодного собрания APSA 2012. Доступны на SSRN 2105531

[8] Натанегара, Фанни; Нойеншвандер, Бит; Моряк, Джон В .; Киннерсли, Нельсон; Heilmann, Cory R .; Ольссен, Дэвид; Рочестер, Джордж (2013). «Текущее состояние байесовских методов в разработке медицинских продуктов: результаты исследования и рекомендации байесовской научной рабочей группы DIA». Фармацевтическая статистика. 13 (1): 3–12. Дои:10.1002 / pst.1595. ISSN 1539-1612. PMID 24027093.

[9] Фейт, Элея. «Использование Стэна для оценки иерархических байесовских моделей». Получено 19 марта 2019.

[pmid27279676-10] Гордон, GSD; Джозеф, Дж; Алколея, депутат; Сойер, Т; Macfaden, AJ; Уильямс, C; Фитцпатрик, CRM; Джонс, PH; ди Пьетро, М; Фитцджеральд, Р. Уилкинсон, Т. Д.; Bohndiek, SE (2018). «Количественная фазовая и поляризационная эндоскопия, применяемая для выявления раннего онкогенеза пищевода». arXiv:1811.03977 [Physics.med-ph ].

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]