"Probabilistic Programming and Bayesian Methods for Hackers" 예제 코드 실행 방법
얼마 전 트위터에서 본 내용입니다.
확률이론과 베이즈추론법 프로그래밍에 관한 전자책 Bayesian Methods for Hackers. Python기반.
; https://twitter.com/sjoonk/status/344658745562914816
PDF로 다운로드 받아서 보면 다음과 같이 책에 직접 실행해 볼 수 있는 파이썬 코드가 들어 있습니다.
윈도우에서 쉽게 이를 테스트 해보려면 "EPD(Enthought Python Distribution)"를 다운로드하시면 됩니다.
Enthought Python Distribution Free
; https://www.enthought.com/products/epd/free/
Download Canopy 1.0, 32-bit for Windows
; https://www.enthought.com/downloads/
위의 무료 버전을 설치하고 실행하면 다음과 같은 화면이 나옵니다.
Canopy 도구에서는 다행히 "Probabilistic Programming and Bayesian Methods for Hackers" 책에서 요구하는 구성 요소(enstaller, ipython)를 미리 내장하고 있기 때문에 더 이상 별도로 다운로드는 하지 않아도 됩니다. 단지, "Package Manager"를 실행해서 "Updates" 항목에 새로 업데이트 받을 것이 있다면 기분상 해주시면 됩니다.
자... 이제 Editor 버튼을 누르고, 우측의 "In" 명령 프롬프트에서 차례로 본문의 코드를 입력해 주면,
%pylab inline
figsize( 11, 9)
import scipy.stats as stats
dist = stats.beta
n_trials = [0,1,2,3,4,5,8,15, 50, 500]
data = stats.bernoulli.rvs(0.5, size = n_trials[-1] )
x = np.linspace(0,1,100)
for k, N in enumerate(n_trials):
sx = subplot( len(n_trials)/2, 2, k+1)
plt.xlabel("$p$, probability of heads") if k in [0,len(n_trials)-1] else None
plt.setp(sx.get_yticklabels(), visible=False)
heads = data[:N].sum()
y = dist.pdf(x, 1 + heads, 1 + N - heads )
plt.plot( x, y, label= "observe %d tosses,\n %d heads"%(N,heads) )
plt.fill_between( x, 0, y, color="#348ABD", alpha = 0.4 )
plt.vlines( 0.5, 0, 4, color = "k", linestyles = "--", lw=1 )
leg = plt.legend()
leg.get_frame().set_alpha(0.4)
plt.autoscale(tight = True)
plt.suptitle( "Bayesian updating of posterior probabilities",
y = 1.02,
fontsize = 14);
plt.tight_layout()
다음과 같이 실행이 되는 것을 확인할 수 있습니다.
그런데, 이걸 코드 파일로 해서 실행해 볼 수는 없을까요? 내용을 다음과 같이 다소 바꿔주면 됩니다. ^^ (휴~~~ 해당하는 모듈 찾느라 고생했네요. ^^)
import scipy.stats as stats
import matplotlib.pyplot as plt
import numpy as np
plt.figsize(11, 9)
dist = stats.beta
n_trials = [0,1,2,3,4,5,8,15, 50, 500]
data = stats.bernoulli.rvs(0.5, size = n_trials[-1] )
x = np.linspace(0,1,100)
for k, N in enumerate(n_trials):
sx = plt.subplot( len(n_trials)/2, 2, k+1)
plt.xlabel("$p$, probability of heads") if k in [0,len(n_trials)-1] else None
plt.setp(sx.get_yticklabels(), visible=False)
heads = data[:N].sum()
y = dist.pdf(x, 1 + heads, 1 + N - heads )
plt.plot( x, y, label= "observe %d tosses,\n %d heads"%(N,heads) )
plt.fill_between( x, 0, y, color="#348ABD", alpha = 0.4 )
plt.vlines( 0.5, 0, 4, color = "k", linestyles = "--", lw=1 )
leg = plt.legend()
leg.get_frame().set_alpha(0.4)
plt.autoscale(tight = True)
plt.suptitle( "Bayesian updating of posterior probabilities",y = 1.02,fontsize = 14);
plt.tight_layout()
아마 책의 나머지 예제도 위와 같은 규칙을 적용하면 코드 파일로 저장해서 실행할 수 있을 것입니다. 다음은 실제로 실행된 화면입니다. ^^
그나저나... 정작 책은 언제 다 읽어볼런지...? ^^
참고로, 닷넷의 경우 Bayesian 추론 관련해서 Infer.NET이라는 라이브러리가 있습니다.
Infer.NET
; http://research.microsoft.com/en-us/um/cambridge/projects/infernet/
[이 글에 대해서 여러분들과 의견을 공유하고 싶습니다. 틀리거나 미흡한 부분 또는 의문 사항이 있으시면 언제든 댓글 남겨주십시오.]