个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
53
4
我正在尝试从 Infer.NET 移植一个模型，但我正在努力如何制作在 pymc3 中观察到的确定性变量？
M,L ~ 伯努利
# doesn't work ...
Deterministic("U %i" % i, switch(M[i], ~L[i], L[i]), observed=True)
最佳答案
不太清楚您要建模的内容(您更有可能获得包含问题完整描述的回复并尝试编写代码)，但在 pymc3 中，您通过“观察到的”参数传递数据以指定可能性功能。例如，如果您想估计伯努利分布随机变量的成功概率，则该模型的可能性为
likelihood = pm.Bernoulli('likelihood', prior_p_success, observed=data)
其中 prior_p_success 是成功的先验概率，data 是二进制数据的向量。
关于pymc - pymc3 中观察到的确定性，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/40026052/
53
4
0
我尝试移植简单的生存模型 from here (the first one in introduction)从 PyMC 2 到 PyMC 3。但是，我没有找到任何等效于“观察到”的装饰器，并且我尝试
我使用了基于 Clojure 的“圣公会”，我认为这对我不利。糟糕的文档和太小的社区无法寻求帮助。此外，我仍然无法熟悉基于 Scheme 的语言。所以我想将语言更改为基于 Python 的语言。 也许
我想对我在不使用 pymc 的情况下生成的示例使用 pymc 诊断和摘要功能。例如，我想在我自己的一组示例中使用 pymc 的 mc_error 例程。 一些 pymc 诊断函数可以采用 np.arr
我正在尝试在PyMC3中采样多个链。在PyMC2中，我将执行以下操作: for i in range(N): model.sample(iter=iter, burn=burn, thin =
有关如何使用PyMC将两个正态分布拟合到数据的信息，请参见a question on CrossValidated。 Cam.Davidson.Pilon的答案是使用伯努利分布将数据分配给两个法线之一
我正在尝试使用最大后验估计来估计泊松过程的速率，其中速率随时间变化。这是一个速率线性变化的简化示例 (λ = ax+b): import numpy as np import pymc # Obser
我正在用一个简单的多级模型尝试 PyMC3。当同时使用假数据和真实数据时，随机效应分布的轨迹会相互移动(见下图)，并且似乎是同一轨迹的偏移量。这是 NUTS 的预期产物还是表明我的模型存在问题？ 这是
我试图在通过 PyMC 的 MCMC 方法拟合变量时设置约束 例如，我在 PyMC 中定义了以下随机模型 import pymc as pm a=pm.Uniform('a',lower=0.,upp
尝试通过 conda 安装 pymc 时，我收到以下信息: C:\Anaconda>conda install -c https://conda.binstar.org/pymc pymc 正在获取包
如何在 PyMC3 中定义自定义似然？在 PyMC2 中，我可以使用 @pymc.potential .我尝试使用 pymc.Potential然而，在 PyMC3 中，似乎 bool 运算不能应用于
我正在尝试从随机 Petri 网模型中估计速率。我不明白为什么，但我得到了零概率错误，即使在给定我为速率定义的初始值的情况下，将数据数据与预期的观察次数完全对应。 例如，以下比率 [0.01, 2,
我正在尝试从 Infer.NET 移植一个模型，但我正在努力如何制作在 pymc3 中观察到的确定性变量？ M,L ~ 伯努利 # doesn't work ... Deterministic("U
我已经开始试用 pymc3 并且需要实现多项逻辑回归模型。我研究了 twiecki 的教程，并且了解他对层次回归模型的实现(请参阅 https://twiecki.github.io/blog/201
我正在尝试使用 PyMC 实现一个非常简单的大数定律示例。目标是生成不同大小样本的许多样本平均值。例如，在下面的代码中，我重复采集 5 个样本组 (samples_to_average = 5)，计算
这是 PyMC: Parameter estimation in a Markov system 的后续内容 我有一个由每个时间步的位置和速度定义的系统。系统的行为定义为: vel = vel + d
型号 我有以下统计模型: r_i ~ N(r | mu_i, sigma) mu_i = w . Q_i w ~ N(w | phi, Sigma) prior(phi, Sigma) = Norma
我正在尝试将负二项式混合物与 PyMC 拟合。看来我做错了什么，因为预测看起来与输入数据并不相似。问题可能出在负二项式参数的先验上。有什么建议吗？ from sklearn.cluster i
我有三个关于装饰器的问题，我无法找到答案: Q1)PyMC 中装饰器的参数(@Deterministic，@Stochastic)表示什么？ Q2) @pymc.stochastic(dtype=in
我正在使用an example of linear regression from bayesian methods for hackers但无法将其扩展到我的用途。 我对一个随机变量进行了观察，对该
我正在尝试拟合共享相同截距的多条线。 import numpy as np import pymc # Observations a_actual = np.array([[2., 5., 7.]])
我是一名优秀的程序员,十分优秀！