mcmc

    1熱度

    1回答

    我已經使用PyMC3以下在下面的示例中所提供的步驟中創建的MCMC模型所觀察到的數據的示例數據: https://pymc-devs.github.io/pymc3/notebooks/LKJ.html 結果,我得到類似於以下圖片: 模擬樣本跟隨觀察數據具有相同的模式。但是,X和Y的範圍要小得多。有誰知道我可以如何獲得涵蓋與觀察數據類似的數字範圍的樣本?

    0熱度

    2回答

    我正在運行一個MCMC算法,Metropolis Hastings步驟R,它需要根據邏輯規則接受或拒絕提案示例。目前,我已經實現這個作爲 if(sample meets condition){accept} else{reject} 聽說if語句是緩慢的,但MCMC通常需要很多評估建議的樣本,在數萬肯定。什麼是更快的替代方法來提高任何MCMC算法的這部分速度? 爲了讓在該代碼的步驟的一個例子

    1熱度

    1回答

    我已經設置了以下二項開關點模型PyMC3: with pm.Model() as switchpoint_model: switchpoint = pm.DiscreteUniform('switchpoint', lower=df['covariate'].min(), upper=df['covariate'].max()) # Priors for pre- and

    1熱度

    1回答

    我想向自我介紹MCMC與司儀採樣。我想簡單地使用github上的一組示例代碼,從Maxwell Boltzmann分佈中抽取一個樣本,https://github.com/dfm/emcee/blob/master/examples/quickstart.py。 的示例代碼是真的優良,但是當我從高斯改變分配到一個麥克斯韋,收到錯誤,類型錯誤:lnprob()恰恰2個參數(3給出) 然而,它在沒有被

    1熱度

    1回答

    所以,讓我們說我有,我想從(二元正態分佈的混合物)來樣以下2維目標分配 - import numba import numpy as np import scipy.stats as stats import seaborn as sns import pandas as pd import matplotlib.mlab as mlab import matplotlib.pyplo

    2熱度

    2回答

    我有一個相當簡單的測試數據集,我試圖適合pymc3。 通過traceplot生成的結果看起來像this. 基本上所有的參數看起來像有一個標準的「毛毛蟲」爲100次迭代,隨後是750次迭代的平線,隨後再次毛蟲的痕跡。 最初的100次迭代發生在25,000次ADVI迭代和10,000次迭代迭代之後。如果我改變這些金額,我隨機將/不會有這些不想要的穩定期。 我想知道如果任何人有任何建議我怎麼能阻止這種情

    0熱度

    1回答

    我使用rjags作爲採樣器。該模型定義了3個矩陣。函數coda.samples返回樣本列表。如果我拿第一個樣本列表,列名看起來像這樣: > colnames(output[[1]]) "A[1,1]" "A[2,1]" "A[1,2]" "A[2,2]" ... "B[1,1]" "B[2,1]" "B[3,1]" "B[4,1]" ... "C[1,1]" "C[2,1]" 很明顯,A

    1熱度

    1回答

    我試圖使用Mixture from PyMC3來使用兩個Beta分佈(我不知道每個分佈的權重)的混合數據來擬合數據。以下是代碼: model=pm.Model() with model: alpha1=pm.Uniform("alpha1",lower=0,upper=20) beta1=pm.Uniform("beta1",lower=0,upper=20) al

    0熱度

    1回答

    我一直試圖在過去的日子裏習慣於PyMC最終從我有直接代碼(我最終對參數估計感興趣)的某些模型中進行一些MCMC分佈採樣。 據我所知,沒有那麼多的例子顯示他們的代碼(如外部C或FORTRAN代碼),他們成功地使用PyMC3工作。到目前爲止,我發現了here或here賄賂。因此,從簡單的問題開始,我嘗試用PyMC3複製現有Python代碼中的一些結果,這些結果來自於使用PyMC的「複雜」(閱讀:比do

    2熱度

    1回答

    我使用Dirichlet過程混合模型(DPMM)根據以下community post,使用Edward來推斷合成數據集上的羣集分配和羣集參數。我正在使用GPU加速的Metropolis Hastings來學習模型參數的後驗分佈。例如,對於集羣的手段,我們有: D = 2 #dimension of the data K = 5 #cluster truncation T = 10000 #nu