pymc3

1熱

1答えて

PyMC3：カテゴリ変数をサンプリングするときのPositiveDefiniteError

私はDirichletを使用して事前にカテゴリ分布の簡単なモデルをサンプリングしようとしています。 import numpy as np from scipy import optimize from pymc3 import * k = 6 alpha = 0.1 * np.ones(k) with Model() as model: p = Dirichlet('p',

0熱

1答えて

ユーザー定義Pymc3＆Theano例外で合同事前分布私はモデルを構築しようとしている

Pymc3で、次のジョイント事前分布からのサンプル： F（a、b）は〜（A + B）^ ValueError: length not known: Elemwise{le,no_inplace} [id A] '' |ab [id B] |DimShuffle{x} [id C] '' |TensorConstant{0} [id D] アイム：、B> 0 with pm.Mod

2熱

1答えて

PyMC3を使用してベイジアン線形回帰における新しいデータの事後を予測する

PyMC3を使用してベイジアン線形回帰を実行する。私はモデルを作りました。同じモデルを使って新しいX値の事後を予測したいのです。私はドキュメントのWebサイト：https://pymc-devs.github.io/pymc3/notebooks/posterior_predictive.html（「予測」を参照）の指示に従っています。これには分析の前にX値をtheano変数にしてから、モデル構築

1熱

1答えて

theano.opを使用してpymc3にカスタム決定性または確率的に書き込む方法

私はいくつかのpymc3をやっていますが、カスタムStochasticsを作成したいと思いますが、それがどのように行われたかについての多くの文書はないようです。私はas_op wayの使い方を知っていますが、明らかにNUTSサンプラーを使用することは不可能です。この場合、pymc3の利点はpymcには見えません。チュートリアルでは、theano.Opから継承して行うことができると述べています。し

2熱

1答えて

pymc3で観測された確定性

Infer.NETからモデルを移植しようとしていますが、と苦労しています.pymc3でDeterministic変数を確認するにはどうすればよいですか？ M、L〜ベルヌーイ # doesn't work ... Deterministic("U %i" % i, switch(M[i], ~L[i], L[i]), observed=True)

1熱

1答えて

PYMC3/Theanoで数学放送を放送する

この問題は、Theanoで私の理解が不足していると思います。私は分布とnumpyの配列の間の減算の結果である変数を作成したいという状況にあります。私は1 import pymc3 as pm import numpy as np import theano.tensor as T X = np.random.randint(low = -10, high = 10, size = 100)

1熱

1答えて

PyMC3でのモデル比較

私はPyMC3を初めて使用しており、Kruschke（2015）のセクション12.2.2（モデル比較）から階層モデルを実装しようとしています。私は完全なモデルを定義し、事後パラメータ値の差異（差異が確実にゼロであると言えるかどうかを判断する）を調べることに成功しました。私はまた、本のモデル（完全なモデルと制限されたモデルを定義し、これらをカテゴリ型の分布を使ってサンプリングする）のようにモデル

3熱

1答えて

Bayesian PyMC3との相関

私はこのexample of Bayesian correlation for PyMC2をPyMC3に変換しようとしていますが、全く異なる結果になります。最も重要な点は、多変量正規分布の平均は急速にゼロになりますが、PyMC2の場合と同様に約400になるはずです。その結果、推定された相関は速やかに1に向かい、これも間違っている。完全なコードはnotebook for PyMC2とnoteboo

0熱

1答えて

pymc3 theano関数の使用

私はpymc3を使って複雑なカスタム尤度関数を定義しようとしています。尤度関数には多くの反復が必要なので、私はtheanoのscanメソッドを使ってtheano内で反復を直接定義しようとしています。ここでは、私が直面している課題を説明する非常に単純化された例があります。私が定義しようとしている（偽の）尤度関数は、単純に2つのpymc3確率変数pとthetaの和です。もちろん、私は単純にp + th

0熱

1答えて

PyMC3の序数予測変数をモデル化するときの最適化の落とし穴を回避する

Doing Bayesian Data Analysisの第23章のアプローチに基づいてPyMC3を使用して序数予測変数をモデル化しようとしています。 find_MAPを使用して良い開始値を決定したいと思いますが、最適化エラーが発生しています。モデル： Applied interval-transform to sigma and added transformed sigma_interval