pymc3

2熱

1答えて

私はbambi（バージョン0.1.0）に簡単なポアソン回帰モデルを試してみます。しかし、ストレートpymc3や統計モデルの実装と比較して結果が異なり、bambiが私に与える係数をどのように解釈するのか分からないようです。テストコードは以下の通りです。私はモデルを間違って指定したのでしょうか、またはバンビの自動前哨部に依存してはいけませんか？ import numpy as np import s

1熱

1答えて

別の手段、次元不一致エラーのモデルの多変量法則

多変量（この例では2変量）を、別々の平均と共分散行列でモデル化したいと思っています。モデルは比較的単純で、ここではデータ生成処理されています import numpy as np import pymc3 as pm import theano.tensor as tt np.random.seed(123) N = 200 # x1 and x2 are independent va

2熱

1答えて

ベイズ法-用-ハッカー章1使用エドワード

章1例：テキスト・メッセージ・データから推測行動私たちは毎日、テキスト・メッセージ数のseriseにスイッチポイントを見つけたいです。 seriseが2つのポーズ分布で2つのセグメントに分割できると仮定します。使用pymc3：（theano上ベース） import pymc3 as pm import theano.tensor as tt with pm.Model() as mode

1熱

1答えて

simmpling後にPymc3モデルをディスクに保存

Pymc3を使って深いベイジアンニューラルネットワークを構築しました。私はモデルを訓練し、必要なサンプルを取得しました。今度は、この適合モデルをディスクに保存するための検索を行っていますテストデータセットのサイズを変更すると、このエラーが発生します。 def save_model（trace、network、ann_input、num）： print（ "in"）バフとして（ 'my_model

0熱

1答えて

pymc3の対数尤度をどのように評価するか

サンプルポイントといくつかの手動入力ポイント（例えば、合成データセットの真のパラメータ値ポイント）でのログ後（理想的にはログ前と対数尤度）。 PyMC3でこれをどのように達成できますか？更新：私はlogp()メソッドを見つけましたが、複数のポイントで使用するのはあまり便利ではありません。いくつかの標準的/慣用的なアプローチがありますか？更新：この[y.logp(trace[i]) for

1熱

1答えて

Pymc3の確率論的インデキシング

私はpymc3がかなり新しく、さまざまな方法でランダム変数をモデルに組み込む方法を理解しようとしています。私は次の（人工的な）モデルに適合したいと思いますが、私はそのドキュメンテーションでそれを支持することはできません。私は、次を試してみましたが、numpyのは、このようなインデックスを許可しない： seq = numpy.arange(10,y_train.size) basic_model

2熱

1答えて

PYMC3季節変数

私はPYMC3に比較的新しいだと私は次のように例えばR.中hereフィットモデルがモデルである、説明変数なしベイジアン構造時系列（BSTS）を実装しようとしています：次のように私はGaussianRandomWalkを使用して局所線形トレンドを実装できます。 delta = pymc3.GaussianRandomWalk('delta',mu=0,sd=1,shape=99) mu = p

3熱

1答えて

PYMC3ベイジアン予測コーン

私はまだPYMC3を学習していますが、ドキュメントの次の問題については何も見つかりません。季節性のないベイシニア構造時系列（BSTS）モデルをthis questionから考えてみましょう。これは次のようにPYMC3でモデル化することができます。 import pymc3, numpy, matplotlib.pyplot # generate some test data t = numpy

1熱

1答えて

多くのデータセットを持つ同じモデルをサンプル

私は同じpymc3モデルを使用して、多くの（〜100）データセットに適合させようとしています。モデルを再利用する方法が見つからなかったので、新しいモデルを作成します。 for i in range(100): Y = data[i] mod = pm.Model() with mod: p = pm.Uniform('p',lower=0.1,upper=3

0熱

1答えて

pymc3混合モデルサンプリングステップのクラスタ数を含める

ガウス分布の分離混合のthis SO questionから、サンプリングステップにクラスタ数（混合物）を含めることを望んでいます。クラスタkの数がわかっている場合、このスクリプトは動作します： import numpy as np import pymc3 as pm import theano.tensor as tt n = [500, 200, 300] means = [21.