pytreecat 0.1.9

预期用途

treecat是机器学习和贝叶斯推理机 推论。treecat适合分析中型表格 具有分类值和序数值的数据，可能缺少 观察结果。

安装

如果您已经安装了numba 应该能够简单地

pip install pytreecat

如果您是numba的新手，我们建议使用 miniconda 或 蟒蛇

如果要安装treecat进行开发，请克隆源 编写代码并创建新的conda env

git clone git@github.com:posterior/treecat
cd treecat
conda env create -f environment.3.yml
source activate treecat3
pip install -e .

快速启动

1. 将数据格式化为 `data.csv <；treecat/testdata/tiny_data.csv>；``带标题的文件 行。可以添加不使用的额外列。

   `data.csv <；treecat/testdata/tiny_data.csv>；``的内容：

   <表> < COLGROUP > < COL/> < COL/> < COL/> < COL/> <广告> 标题 类型 十年 评分 < /广告> <正文> 眩晕 惊悚片 20世纪50年代 向上 家庭 2000年代 办公桌 喜剧 20世纪50年代 桑塔帕斯 家庭 2010年代 ＞ .. … … … < > <表>

2. 生成两个架构文件 `types.csv <；treecat/testdata/tiny嫒types.csv>；``和 `values.csv <；使用treecat的 猜测模式 命令：

   $ treecat guess-schema data.csv types.csv values.csv
   

   `types.csv <；treecat/testdata/tiny_types.csv>；``的内容：

   <表> < COLGROUP > < COL/> < COL/> < COL/> < COL/> < COL/> <广告> 名称 键入 总计 唯一的 单重态 < /广告> <正文> 标题 ＞ 11＜Td> 体裁 分类 十年 分类 评级 序数 < > <表>

   `values.csv <；treecat/testdata/tiny_values.csv>；``的内容：

   <表> < COLGROUP > < COL/> < COL/> < COL/> <广告> 名称 值 计数 < /广告> <正文> 体裁 戏剧 体裁 家庭 体裁 幻想 十年 20世纪50年代 .. … … < > <表>

   您可以手动修复任何错误猜测的功能类型，或者 添加/删除要素值。treecat忽略任何带有空 键入字段。

3. 将csv文件导入treecat的内部格式。我们会打电话给 dataset dataset.pkz （gzip pickle文件）。

   $ treecat import-data data.csv types.csv values.csv '' dataset.pkz
   

   （空参数""是 忽略）

4. 在数据集上训练集成模型。这通常需要 对于1M单元数据集，大约15分钟。

   $ treecat train dataset.pkz model.pkz
   

5. 将经过培训的模型加载到服务器中

   fromtreecat.servingimportserve_modelserver=serve_model('dataset.pkz','model.pkz')

6. 对服务器运行查询。例如我们可以计算 费用

   samples=server.sample(100,evidence={'genre':'drama'})print(np.mean([s['rating']forsinsamples]))

   或通过潜在相关矩阵探索特征结构

   print(server.latent_correlation())

< > >

调整超参数

treecat需要调整两个参数： 学习初始阶段 （如迭代次数）和 模型簇数 在每个特征之上的潜在类）。最简单的调节方法是 使用带有csv文件的 treecat.validate 模块进行网格搜索 示例参数。

# This reads parameters from tuning.csv and dumps results to tuning.pkz
$ treecat.validate tune-csv dataset.pkz tuning.csv tuning.pkz

pip install pytreecat

设 v 为一组顶点（每个特征一个顶点）。设 c[v] 第v特征的维数。设 n 为 数据点。设k[n，v] 为特征观测数 v 在行 n （例如，1表示分类变量，0表示缺失 数据，或 k 表示最小值为0且最大值为 k ）。

treecat是以下生成模型：

pip install pytreecat

我们避免在树中添加任意根，而是 将模型表示为具有重叠变量和 约束条件。

推理算法

这个包使用 亚样本退火塌陷吉布斯采样。有两块 采样的潜在状态：

• 每个顶点（特征）的每一行的潜在类分配。 这些是由一个现场塌陷吉布斯采样器和 线性子样本退火计划。
• 通过随机移除一个边和 替换它。因为删除一条边会将图分成两部分 连接的组件，唯一的替换位置是 重新连接图形的方法是可行的。

单点吉布斯采样器使用动态规划同时 为每行采样完整的潜在赋值向量。动态的 每次树结构改变时都会创建程序。 这个程序被不同的虚拟机解释为 目的（训练模型，从后面采样，计算日志 后面的概率）。用于训练的虚拟机是 使用numba编译jit。

参考文献

1. Nevin L.Zhang，Leonard K.M.Poon（2016年） 潜树 分析
2. Vikash Mansingha，Patrick Shafto，Eric Jonas，Cap Petschulat，马克斯 Gasner，Joshua B.Tenenbaum（2015年） Crosscat:a full bayesian 高维非参数分析方法 数据
3. David B.Dunson，传化星（2012） 非参数贝叶斯建模 多元范畴的 数据
< > >

许可证

版权所有（c）2017 Fritz Obermeyer。Treecat是根据 Apache2.0许可证