Bayesian Inference using Gaussian Process

PyMC를 활용한 Bayesian Inference 및 Gaussian Process 서로게이트 모델링 예제

Windows 환경 기준으로 작성되었습니다.

목차

• 환경 설치
• 프로젝트 구조
• 예제
• 의존성
• 문제 해결
• 참고 자료

환경 설치

Prerequisites

• Git (다운로드)
• uv 설치:

  powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

  또는 winget 사용:

  winget install --id=astral-sh.uv -e

설치

# 저장소 클론
git clone https://github.com/wonjun-lab/bayesian-inference-using-GP.git
cd bayesian-inference-using-GP

# Python 및 의존성 자동 설치
uv sync

# Jupyter Notebook 실행
uv run jupyter notebook

uv sync 명령어는 .python-version에 명시된 Python 버전을 자동으로 다운로드하고, 가상환경을 생성하며, 모든 패키지를 설치합니다. Python 및 관련 라이브러리를 한번에 설치하기 때문에, 간편하게 개발자와 동일한 환경을 만들 수 있습니다.

프로젝트 구조

bayesian-inference-using-GP/
├── examples/
│   └── pymc-gp-toy_model.ipynb    # GP 기반 Bayesian Calibration 예제
├── dataset/
│   ├── datacomp_hourly.csv        # 컴퓨터 시뮬레이션 데이터
│   ├── datacomp_monthly.csv
│   ├── datafield_hourly.csv       # 실제 관측 데이터
│   └── datafield_monthly.csv
├── pyproject.toml
├── uv.lock
└── README.md

예제

pymc-gp-toy_model.ipynb

Kennedy and O'Hagan (2001)의 Bayesian Model Calibration 방법론에서 Bias term을 제외하여 Gaussian Process를 이용한 서로게이트 모델로 Bayesian inference를 수행하는 예제입니다.

주요 내용:

• 컴퓨터 시뮬레이션 데이터와 실제 관측 데이터 통합
• GP를 에뮬레이터로 활용한 모델 캘리브레이션
• NUTS 샘플러를 통한 파라미터 사후 분포 추정
• 불확실성 정량화 및 예측

데이터:

• 시뮬레이션 데이터: 에너지 사용량, 외기온도, 상대습도, 물리적 파라미터 (기기밀도, 조명밀도, COP)
• 관측 데이터: 에너지 사용량, 외기온도, 상대습도

의존성

주요 패키지 (모두 uv sync로 자동 설치):

• pymc (≥5.25.1) - Bayesian 모델링 프레임워크
• numpyro (≥0.19.0) - NUTS 샘플러 백엔드
• jax (≥0.8.0) - 자동 미분 및 가속
• numpy, matplotlib, jupyter

전체 의존성 목록: pyproject.toml

문제 해결

uv 명령어를 찾을 수 없음

• 터미널 재시작 또는 시스템 재부팅

PowerShell 실행 정책 오류

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

uv sync 실패

rmdir /s .venv
uv sync

Jupyter 실행 불가

uv run jupyter notebook

참고 자료

• PyMC Documentation
• PyMC GP Marginal Implementation
• uv Documentation
• Kennedy, M. C., & O'Hagan, A. (2001). Bayesian calibration of computer models. Journal of the Royal Statistical Society: Series B, 63(3), 425-464.

License

MIT