pymc-bayesian-modeling
بناء نماذج بايزية باستخدام PyMC
تتطلب النمذجة البايزية اختيارات دقيقة للتوزيعات القبلية، والتشخيصات، وطرق المقارنة. توفر هذه المهارة سير عمل وقوالب وفحوصات لـ PyMC من أجل تحليل احتمالي موثوق.
自分のエージェントでインストール
このリクエストをエージェントにコピーしてください。正規の Skill ページとマニフェストが含まれています。
Review the Skillstore skill "pymc-bayesian-modeling" from https://skillstore.io/skills/k-dense-ai-pymc-bayesian-modeling.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-pymc-bayesian-modeling/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.エージェントは引き続き計画を提示し、セキュリティポリシーで必要な確認を求める必要があります。
エージェントが読めるリソース
AI エージェント、クローラー、スクリプトがページ全体ではなく整理されたコンテキストを必要とする場合は、これらのリンクを使ってください。
テストする
「pymc-bayesian-modeling」を使用しています。 اطلب خطة انحدار بايزي لمتغير ناتج مستمر مع ثلاثة متنبئات.
期待される結果:
توصي الاستجابة بتوحيد المتنبئات، وتوزيعات قبلية ضعيفة الإفادة، ودالة احتمال طبيعية، وفحوصات قبلية، ومعاينة NUTS، وتشخيصات، وتنبؤ بعدي.
「pymc-bayesian-modeling」を使用しています。 اسأل لماذا يحتوي نموذج PyMC هرمي على انحرافات وحجم عينة فعال منخفض.
期待される結果:
تشرح الاستجابة هندسة القمع المحتملة، وتوصي بمعلمة غير متمركزة، وتوزيعات قبلية أقوى للمقياس، وقبول مستهدف أعلى، وتشخيصات متابعة.
「pymc-bayesian-modeling」を使用しています。 اسأل عن كيفية مقارنة ثلاثة نماذج بايزية ملائمة.
期待される結果:
توضح الاستجابة تخزين log likelihood، ومقارنة LOO، وفحوصات موثوقية Pareto-k، وتفسير الفروق، ومتوسطات النماذج الاختيارية.
セキュリティ監査
中リスクMost static findings are false positives from Markdown backticks, dictionary keys(), and PyMC terminology. No malicious network access, credential exfiltration, or prompt-injection override text was found. Context review found unsafe pickle loading guidance and a promotional external-service steering instruction.
確認済みのセキュリティ上の懸念 (2)
リスク要因
📁 ファイルシステムへのアクセス (1)
⚙️ 外部コマンド (104)
このレポートを共有・引用
バージョン付き評価レポート、中立的なバッジ、埋め込みカード、引用を共有できます。Skillstore は証拠を報告しますが、この Skill が安全かどうかは判断しません。
レポートリンクをコピー
https://skillstore.io/skills/k-dense-ai-pymc-bayesian-modeling/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdownバッジ
[](https://skillstore.io/skills/k-dense-ai-pymc-bayesian-modeling?utm_source=security_passport_badge)HTMLバッジ
<a href="https://skillstore.io/skills/k-dense-ai-pymc-bayesian-modeling?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-pymc-bayesian-modeling/security.svg" alt="Skillstore security assessment" loading="lazy"></a>埋め込みカード
<iframe src="https://skillstore.io/embed/skills/k-dense-ai-pymc-bayesian-modeling.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>学術引用 (APA · BibTeX · CFF)
APA形式の引用
K-Dense-AI. (2026). pymc-bayesian-modeling security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-pymc-bayesian-modeling/audits/7BibTeX形式の引用
@techreport{k-dense-ai-k-dense-ai-pymc-bayesian-modeling-2026,
author = {K-Dense-AI},
title = {pymc-bayesian-modeling security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/k-dense-ai-pymc-bayesian-modeling/audits/7},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "pymc-bayesian-modeling security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
- name: "K-Dense-AI"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/k-dense-ai-pymc-bayesian-modeling/audits/7"
identifiers:
- type: other
value: "skillstore:k-dense-ai-pymc-bayesian-modeling:audit:7"
description: "Skillstore immutable audit report identifier"
バリアントを比較
インストール可能なバリアント 2 件各作者のスキルは個別のインストール項目として維持されます。推奨バリアントは Skillstore の証拠で順位付けされます。
このバリアントが首位の理由
davila7-pymc-bayesian-modeling
2026-09-09
k-dense-ai-pymc-bayesian-modeling
2026-09-09
Skillstore スコア
このスコアの理由 証拠の信頼度: 高作成できるもの
ملاءمة نماذج بحثية
تصميم نماذج PyMC بتوزيعات قبلية واضحة، ودوال احتمال، وتشخيصات، وفحوصات بعدية للبحث التجريبي.
مقارنة النماذج التنبؤية
استخدام إرشادات LOO وWAIC ومتوسطات النماذج لمقارنة البدائل البايزية مع عدم اليقين.
تصحيح مشكلات المعاينة
تفسير الانحرافات وR-hat وESS وسلوك المسارات، ثم اختيار خطوات عملية لإعادة المعلمة.
これらのプロンプトを試す
لدي مجموعة بيانات تحتوي على [outcome] والمتنبئات [predictors]. أوصِ بنموذج PyMC، والتوزيعات القبلية، ودالة الاحتمال، وخطوات التحقق.
أنشئ سير عمل PyMC من أجل [analysis goal]. ضمّن إعداد البيانات، وفحوصات التنبؤ القبلي، وإعدادات المعاينة، والتشخيصات، والتنبؤات البعدية.
راجع تشخيصات PyMC هذه: [diagnostic summary]. اشرح المشكلات المحتملة واقترح تغييرات على التوزيعات القبلية أو المعلمة أو إعدادات المعاينة.
لقد لائمت نماذج PyMC هذه: [model summaries]. خطط لمقارنة LOO أو WAIC، وفحوصات الموثوقية، واستراتيجية متوسطات النماذج.
ベストプラクティス
- ابدأ بنماذج بسيطة، ثم أضف الهرمية أو التفاعلات أو البنية الزمنية فقط عندما تدعمها التشخيصات.
- شغّل فحوصات التنبؤ القبلي والبعدي قبل تفسير تقديرات المعلمات.
- اعرض فترات عدم اليقين، وتشخيصات التقارب، وموثوقية مقارنة النماذج معًا.
回避
- لا تستخدم توزيعات قبلية مسطحة عندما تعبّر التوزيعات القبلية ضعيفة الإفادة عن حدود واقعية للمجال.
- لا تفسر الملخصات البعدية قبل فحص R-hat وESS والانحرافات وسلوك المسارات.
- لا تحمّل ملفات pickle من مصادر غير موثوقة عند حفظ عناصر النموذج أو مشاركتها.
よくある質問
ما نوع العمل الذي تدعمه هذه المهارة؟
هل تتطلب خبرة في PyMC؟
هل يمكنها تشغيل معاينة MCMC نيابة عني؟
كيف تتعامل مع تشخيصات النموذج؟
هل يمكنها مقارنة نماذج متعددة؟
ما الذي ينبغي أن ينتبه إليه المستخدمون؟
開発者情報
作成者
K-Dense-AIライセンス
Apache License, Version 2.0
Skillstore リビジョン
r1
バージョンに関する注意
作者はバージョンを宣言していません。
参照
a25199bc7d6b82598536822d1738eb5d5f54025b
メンテナンスの新しさ
2026/7/20
利用状況
11 ダウンロード · 226 閲覧