(部分)纯python histfactory实现
pyhf的Python项目详细描述
纯python拟合/限制设置/区间估计历史工厂样式
histfactory p.d.f.模板[CERN-OPEN-2012-016]本身独立于它在根目录中的实现,有时,能够在外部运行统计分析是很有用的 根,屋顶,鸡舍的框架。
该回购协议是基于多二进制直方图分析的统计模型的纯python实现,其区间估计基于“新物理基于似然检验的渐近公式”[arxiv:1007.1727的渐近公式。其目的还在于支持现代计算图库,如pytorch和tensorflow,以便利用诸如自微分和gpu加速等特性。
你好,世界
>>>importpyhf>>>pdf=pyhf.simplemodels.hepdata_like(signal_data=[12.0,11.0],bkg_data=[50.0,52.0],bkg_uncerts=[3.0,7.0])>>>CLs_obs,CLs_exp=pyhf.utils.hypotest(1.0,[51,48]+pdf.config.auxdata,pdf,return_expected=True)>>>print('Observed: {}, Expected: {}'.format(CLs_obs,CLs_exp))Observed:[0.05290116],Expected:[0.06445521]
它支持什么
实现的变体:
- [X]Histosys
- [X]总体系统
- [X]形状
- [X]标准因子
- [X]多个频道
- [x]通过uproot从xml+root导入
- [X]形状因子
- [X]状态错误
- [X]卢米不确定度
计算后端:
- [X]纽比
- [X]喷灯
- [X]张量流
- [X]MXnet
可用的优化器
NumPy | Tensorflow | PyTorch | MxNet |
---|---|---|---|
SLSQP (^{ | Newton's Method (autodiff) | Newton's Method (autodiff) | N/A |
MINUIT (^{ | . | . | . |
待办事项
- []状态配置
- []非渐近计算器
根据从HistFactory工作区计算的输出验证从该包获得的结果
一个一箱的例子
nobs = 55, b = 50, db = 7, nom_sig = 10.
两格示例
bin 1: nobs = 100, b = 100, db = 15., nom_sig = 30.
bin 2: nobs = 145, b = 150, db = 20., nom_sig = 45.
安装
使用numpy后端运行从pypi安装pyhf
pip install pyhf
要安装带有附加后端的pyhf
,请运行
pip install pyhf[tensorflow,torch,mxnet]
或选项的子集。
要卸载,请运行
pip uninstall pyhf
作者
请检查contribution statistics for a list of contributors