基于luce选择公理的模型推理算法。
choix的Python项目详细描述
choix是一个python库,它为模型提供推理算法 基于卢斯的选择公理。这些概率模型可以用来解释 并预测项目间比较的结果。
- 成对比较:当数据包含两个之间的比较时 项目,模型变量通常称为bradley terry模型。 它与国际象棋运动员等级评定系统密切相关。
- 部分排名:当数据包含超过(的一个子集)的排名时 模型变量通常称为plackett luce 模型。
- top-1列表:当数据包含 离散的选择,也就是说,我们观察一个项目的选择 项目的子集。
- 网络中的选项:当数据由 访问网络中的每个节点,该模型称为网络选择 模型。
choix使得从这些不同类型的 数据,使用多种算法:
- luce光谱排名
- 最小化最大化
- 等级中心性
- 期望传播< /LI>近似贝叶斯推断
开始
要直接从pypi安装最新版本,只需键入:
pip install choix
若要开始,您可能需要浏览其中一个笔记本:
- Introduction using pairwise-comparison data
- Case study: analyzing the GIFGIF dataset
- Using ChoiceRank to understand traffic on a network
- Approximate Bayesian inference using EP
您还可以在official documentation上找到更多信息。尤其是API reference包含了 图书馆的特色。
参考文献
- 侯赛因·阿扎里·苏菲亚尼、威廉·陈、大卫·C·帕克斯和夏立荣, Generalized Method-of-Moments for Rank Aggregation,NIPS 2013
- 弗朗索瓦·卡隆和阿诺·杜塞特。Efficient Bayesian Inference for Generalized Bradley-Terry models。计算与图形杂志 统计,21(1):174-1962012年。
- 朱伟,邹斌,2005年国立卫生研究院学习 等级。
- 大卫·R·亨特。MM algorithms for generalized Bradley-Terry models,那个 统计年鉴32(1):384-4062004。
- 拉维·库马尔,安德鲁·汤姆金斯,谢尔盖·瓦西尔维茨基和埃里克·维,Inverting a Steady-State,世界卫生大会2015。
- Lucas Maystre和Matthias Grossglauser,Fast and Accurate Inference of Plackett-Luce Models,NIPS,2015年。
- Lucas Maystre和M.Grossglauser,ChoiceRank: Identifying Preferences from Node Traffic in Networks,ICML 2017年。
- Sahand Negahban,Sewoong Oh,和Devavrat Shah,Iterative Ranking from Pair-wise Comparison,NIPS 2012。