- ERRORES: Acepta redes DAG y utiliza el muestreo de Gibbs para hacer inferencia. Hay dos versiones de esto que uno puede usar. El primero es WinBUGS que, como su nombre indica, solo funciona en Windows. Y luego, hay una versión de código abierto de este paquete llamada OpenBUGS. Para un ejemplo no trivial del uso de BUGS, puede revisar uno de los artículos de lingpipe [1] donde usa BUGS para una estimación bayesiana.
- JAGS: Just Another Gibbs Sampler (JAGS) es similar a OpenBUGS (alternativa de código abierto a BUGS) pero la diferencia principal es que está escrito en Java.
- Infer.NET : Infer.NET es un software desarrollado por Microsoft Research Cambridge. Los tutoriales y ejemplos están bastante bien escritos. Por ejemplo, aquí está la implementación de LDA [2]. No he usado tanto, pero se supone que es muy flexible y capaz de soportar muchos tipos diferentes de modelos. También se supone que se escala muy fácilmente.
- Stan: Stan es otro paquete muy similar a BUGS. Sin embargo, difiere en su mecanismo de inferencia que utiliza lo que se llama un Muestreador sin giro en U (NUTS) [3]. Esta es una biblioteca escrita principalmente en C ++.
- Factorie: Factorie es otro paquete. Sin embargo, como su nombre lo indica, admite la estimación de parámetros y la inferencia solo sobre modelos de gráficos de Factor. Este paquete se ha aplicado a muchos problemas diferentes en PNL.
[1] Estimadores bayesianos para el modelo beta-binomial de capacidad de bateo
[2] Infer.NET
[3] Ajuste adaptativo de las longitudes de las rutas en Hamiltoniano Monte Carlo
==================================
Agregando el enlace dado por Devendra Kumar Sahu en los comentarios:
Programación Probabilística
- Cómo usar la red neuronal convolucional en sus proyectos
- ¿Alguien puede proporcionar ejemplos sobre cómo usar la biblioteca Shogun para modelos de Markov ocultos?
- Cómo realizar un detector de rectángulo con un fondo y un primer plano complejos
- ¿Qué modelo da un error de predicción más bajo cuando se usa R?
- ¿Cómo obtienen las empresas datos de capacitación para implementar el aprendizaje para clasificar algoritmos, especialmente en el contexto de búsqueda?