bartz
v chain samples we made along the way
تطبيق شجرة الانحدار الإضافي بايزي (BART) في JAX.
إذا كنت لا تعرف ما هو BART، ولكنك تعرف XGBoost، فاعتبر BART نوعًا من XGBoost Bayesian. bartz يجعل BART يعمل بنفس سرعة XGBoost.
BART هي تقنية الانحدار البايزي غير البارامترية. بالنظر إلى تنبؤات التدريب
توفر وحدة Python هذه تطبيقًا لـ BART الذي يعمل على وحدة معالجة الرسومات لمعالجة مجموعات البيانات الكبيرة بشكل أسرع. كما أنها جيدة على وحدة المعالجة المركزية. معظم تطبيقات BART الأخرى مخصصة لـ R، وتعمل على وحدة المعالجة المركزية (CPU) فقط.
على وحدة المعالجة المركزية، يعمل bartz بسرعة dbarts (أسرع تنفيذ أعرفه) إذا كان n > 20000، ولكن باستخدام 1/20 من الذاكرة. في وحدة معالجة الرسومات، تعتمد السرعة الإضافية على حجم العينة؛ إنه ملائم لوحدة المعالجة المركزية (CPU) فقط لـ n > 10,000. الحد الأقصى للتسريع حاليًا هو 200x، على Nvidia A100 ومع ما لا يقل عن 2,000,000 ملاحظة.
يقوم دفتر Colab هذا بتشغيل بارتز مع n = 100000 ملاحظة، p = 1000 متنبئ، 10000 شجرة، لـ 1000 تكرار MCMC، في 5 دقائق.
مقالة: Petrillo (2024)، "أشجار الانحدار المضافة الافتراضية السريعة جدًا على وحدة معالجة الرسومات"، arXiv:2410.23244.
للاستشهاد بالبرنامج مباشرة، بما في ذلك الإصدار المحدد، استخدم zenodo.
