pymc3

    0熱度

    1回答

    我在閱讀Probabilistic Programming and Bayesian Methods for Hackers。在第5章中,寫作logp = pm.Normal.dist(mu=price_estimate, sd=(3e3)).logp(true_price)。 這是什麼?我知道pm.Normal()但不知道.dist()和.logp()。

    1熱度

    1回答

    我想在PyMC3中指定較大的多元正態分佈。這種分佈的精度矩陣的行列式在數值上等於零。這似乎是PyMC3的一個問題。有什麼建議麼?我只需要最大化後驗,不管行列式的值如何,都可以完成。

    0熱度

    1回答

    我在我的python腳本中定義了一個函數funA(x)。該功能運行基於theano的神經網絡。如果我把它稱爲一次代碼運行良好。但是,如果我嘗試用循環中的不同輸入多次調用它,例如: (i)在範圍(4)中: funA(x [i]) 當i = 0時,代碼運行良好,但是當它運行到i = 1,代碼產生一個錯誤: ValueError:無法計算測試值:Op dot(x,W)的輸入0(x)缺少默認值。 我已經安

    2熱度

    1回答

    我給bambi(版本0.1.0)一個簡單的泊松迴歸模型的嘗試。然而,與直接pymc3或statsmodels實現相比,結果不同,我似乎無法弄清楚如何解釋bambi給我的係數。測試代碼如下。我是否指定了模型錯誤,還是應該不依賴於bambi的自動先驗? import numpy as np import scipy.stats import pandas import patsy import

    2熱度

    1回答

    第一個例子:從文本消息數據 我們希望找到在日常的文本消息計數的SERISE一個開關點推斷行爲。假設系列可以分成兩個具有兩個泊松分佈的分段。 使用pymc3:(上theano基地) import pymc3 as pm import theano.tensor as tt with pm.Model() as model: alpha = 1.0/count_data.mean()

    1熱度

    1回答

    我已經使用Pymc3建立了深刻的貝葉斯神經網絡之後,我已經訓練我的模型,並得到我需要的樣本。現在我'搜索保存這個擬合模型到磁盤 我試圖pickl,但是當我改變測試數據集的大小我得到這個錯誤 高清save_model(跟蹤,網絡,ann_input,NUM): 打印(「中」) 張開( 'my_model.pkl', 'WB')爲淺黃色: 和pickle.dump({ '模式':網絡, '追蹤':跟蹤

    0熱度

    1回答

    欲評估數後驗(理想地分開的先驗對數和對數似然)的採樣點和在一些手動輸入的點(例如,用於合成的數據集的真實參數值點)值。我如何在PyMC3中實現這一點? 更新: 我找到了logp()方法,但是它不便於多點使用。是否有一些標準/慣用方法? 更新: 這[y.logp(trace[i]) for i in range(len(trace))]作品,但superslow。 更新: 緩慢是由於事實y是觀察到的

    2熱度

    1回答

    我試圖通過延伸的第一示例來運行具有兩個功能的高斯過程迴歸在https://pymc-devs.github.io/pymc3/notebooks/GP-introduction.html n = 20 X = np.array([list(a) for a in zip(np.sort(3*np.random.rand(n)), np.sort(3*np.random.rand(n)))])

    1熱度

    1回答

    我開始使用PyMC3將從PyMC翻譯成PyMC3。 我不知道如何將本段翻譯: v = pymc.Beta('v', alpha=1, beta=alpha, size=N_dp) @pymc.deterministic def p(v=v): """ Calculate Dirichlet probabilities """ # Probabilities from be

    6熱度

    1回答

    我仍然在學習使用PyMC3的基礎知識,所以希望這在文檔中不會太痛苦。基本的想法是,我把我的模型放在一起,抽樣一堆,以建立我的後驗分佈並保存鏈。如果我按照Backends頁面的建議加載像trace = pm.backends.text.load('test_txt')這樣的鏈,那麼我會得到TypeError: No context on context stack。我期望的是,我可以在保存的數據庫中