pymc3

    1

    1答えて

    私は初めてMCMCシミュレーションを実装しています。以前の変数の結果に基づいて定義された変数があります。私のベルヌーイ変数が0を返す場合たとえば、それは返す場合1. with pm.Model() as model: x = pm.Bernoulli('x', .5) if x == 1: y = 1 elif x == 0: y = 2

    0

    1答えて

    私は、PyMC3の別のディストリビューションのパラメータリストからインデックスとしてカテゴリ変数を選択しようとしています。私はpm.switch()の両方でこれをやってみました。コードは正常に動作しますが、カテゴリ変数はtestvalとして定義したところに固執しているようです。 試み1: import pymc3 as pm import theano.tensor as tt with p

    0

    1答えて

    ここに何かが欠けているはずです。私は、正規分布からのログ確率を計算し、なく均一に分布することができます >>> import pymc as pm >>> with pm.Model(): ... b = pm.Normal('b', 0, 1) ... >>> b.logp({'b': 2) array(-2.9189385332046727) >>> with pm.Model

    0

    1答えて

    グループ化されたデータをクラスタ化するのにPyMC3を使用しています。基本的には、g個のベクトルを持ち、g個のベクトルをm個のクラスタにクラスタリングしたいと考えています。しかし、私には2つの問題があります。 最初の1つは、PyMC3がベクトルではなく1次元データしか扱えないと思われることです。 2番目の問題は、生データのクラスタIDを抽出する方法がわかりません。私は成分の数(k)と対応する重みを

    3

    1答えて

    私は、平均、標準偏差、および各点の観測数がある(つまり、測定の精度に関する知識を持っている)一連のデータを持っています。私は手段でのみ見て、伝統的なpymc3モデルでは、私は、の線に沿って何かをすることがあります。 x = data['mean'] with pm.Model() as m: a = pm.Normal('a', mu=0, sd=1) b = pm.Nor

    1

    1答えて

    私はPyMC3を初めて使っていて、実験のデータに合ったパラメータのセットを見つけようとしています。私の問題は、私の尤度関数は参加者の以前の反応に条件付きであるということです。 データは、以下の行列形式を有する:Xは、参加者が0, 1, or 2の値と、その試験に応答成文化 participant | trial0 | trial1 | ... | trialn p0 | x | x | ...

    0

    1答えて

    私はProbabilistic Programming and Bayesian Methods for Hackersを読んでいます。 Ch5では、それはlogp = pm.Normal.dist(mu=price_estimate, sd=(3e3)).logp(true_price)と書かれています。 これはなんですか?私はpm.Normal()を知っていますが、.dist()と.logp(

    6

    1答えて

    私はまだPyMC3で作業していることの基礎を学んでいるので、うまくいけば、これはすでに文書ではあまりにも明らかに明白ではありません。基本的な考え方は、私のモデルをまとめて、それを集めて私の事後分布を構築し、チェーンを保存したことです。 ページの提案に沿ってtrace = pm.backends.text.load('test_txt')のようなチェーンをロードすると、私はTypeError: No

    0

    1答えて

    以前はOpenBUGS/WinBUGSを使用してベイジアン統計を行ってきましたが、PythonでPYMC3パッケージを使用することにしました。だから私はかなり新しいpacakageですが、まだ完全に使い方を学んでいます。私はバグコードをPYMC3に変換するのにいくつかの困難を抱えています。次のようにオリジナルのバグコードは次のとおりです。 model { for (i in 1 : N) {

    1

    1答えて

    PyMCからPyMC3にthis codeを翻訳してPyMC3から始めます。 私はこのセグメントを翻訳するかどうかはわかりません。 v = pymc.Beta('v', alpha=1, beta=alpha, size=N_dp) @pymc.deterministic def p(v=v): """ Calculate Dirichlet probabilities """