不确定环境下的决策工具。
emukit的Python项目详细描述
动车组
|
|
|
Website| Documentation| Contribution Guide
emukit是一个高度适应性的python工具包，用于丰富不确定性下的决策。这尤其适用于数据稀少或难以获取的复杂系统。在这些场景中，在设计循环或计算管道中传播经过良好校准的不确定性估计可确保有效地使用受约束的资源。
Emukit目前提供的主要功能有：
- multi-fidelity emulation:当从具有不同保真度和/或成本的多个信息源获取数据时，构建代理项模型；
- bayesian优化：优化物理实验并调整机器学习算法的参数；
- 实验设计/主动学习：设计信息量最大的实验，并使用机器学习模型执行主动学习；
- 敏感性分析：分析输入对给定系统输出的影响；
- bayesian求积：有效地计算代价昂贵的函数积分。
emukit对底层建模框架是不可知的，这意味着您可以在python生态系统中使用您选择的任何工具来构建机器学习模型，并且仍然能够使用emukit。
安装
要安装emukit，只需运行
pip install emukit
有关其他安装选项，请参见documentation。
依赖项/先决条件
emukit的主要依赖项是numpy和gpy。 见requirements。
开始
有关示例，请参见我们的tutorial notebooks。
文档
要了解有关emukit的更多信息，请参阅我们的documentation。
要了解仿真的概念，请查看Emukit playground项目。
许可证
Emukit在Apache2.0下获得许可。请参阅LICENSE和NOTICE了解更多许可信息。
欢迎加入QQ群-->： 979659372
