Inference API

`UQPyL.inference`

inference 模块对标量 Problem 运行 MCMC 风格采样。

python

from UQPyL.inference import MH, AMH, MH_Gibbs, DEMC, DREAM_ZS, InfReader

对象	作用
`MH`	Metropolis-Hastings。
`AMH`	Adaptive Metropolis-Hastings。
`MH_Gibbs`	坐标式 Gibbs/MH 更新。
`DEMC`	Differential Evolution MCMC。
`DREAM_ZS`	DREAM(ZS) 风格采样器。
`Chain`	单条链的运行状态。
`InfResult`	推断结果对象。
`InfHistory`	推断历史。
`InfReader`	读取保存的推断 sqlite。

text

result = method.run(problem, gamma=0.2, seed=123)

参数	含义
`problem`	标量输出 `Problem`。
`gamma`	proposal scale，可以是标量、向量或 `(nChains, nInput)` 矩阵。
`seed`	随机种子。

构造函数常用参数：

参数	含义
`nChains`	链数。
`warmUp`	warm-up 长度。
`maxIters` / `maxIterTimes`	最大迭代次数。
`logProbFunc`	自定义对数概率函数。
`verboseFlag`, `logFlag`, `saveFlag`	运行输出和保存控制。

方法	适合场景
`MH`	简单标量问题的默认起点。
`AMH`	proposal scale 难手动固定时。
`MH_Gibbs`	每次更新一个变量更稳定时。
`DEMC`	多链共享差分 proposal。
`DREAM_ZS`	更复杂后验形状和 archive-based proposal。

字段	含义
`decs`	参数样本，shape 为 `(n_chains, draws, n_input)`。
`objs`	目标值，shape 为 `(n_chains, draws, n_output)`。
`cons`	约束值，无约束时为 `None`。
`logProb`	对数概率，shape 为 `(n_chains, draws)`。
`accepted`	accepted proposal 标记。
`feasibleMask`	可行性标记。
`acceptanceRate`	每条链的接受率。
`bestDecs`, `bestObjs`, `bestCons`	最佳样本及其输出。
`FEs`, `iters`	函数评估次数和迭代数。
`history`	运行历史。
`summary()`	摘要字典。