1
我已经设置了以下二项开关点模型PyMC3:PyMC3二项式模型的开关点高度依赖于名为testVal的
with pm.Model() as switchpoint_model:
switchpoint = pm.DiscreteUniform('switchpoint', lower=df['covariate'].min(), upper=df['covariate'].max())
# Priors for pre- and post-switch parameters
early_rate = pm.Beta('early_rate', 1, 1)
late_rate = pm.Beta('late_rate', 1, 1)
# Allocate appropriate binomial probabilities to years before and after current
p = pm.math.switch(switchpoint >= df['covariate'].values, early_rate, late_rate)
p = pm.Deterministic('p', p)
y = pm.Binomial('y', p=p, n=df['trials'].values, observed=df['successes'].values)
它似乎运行正常,但它完全中心在一个值切换点( 999),如下所示。
经进一步调查,似乎这种模式的结果是高度依赖于初始值(在PyMC3,“名为testVal的”)。以下显示了当我设置了名为testVal会发生什么= 750
switchpoint = pm.DiscreteUniform('switchpoint', lower=gp['covariate'].min(),
upper=gp['covariate'].max(), testval=750)
我得到更多的不同的起始值同样不同的结果。
我的问题是:
- 是我的模型以某种方式正确指定?
- 如果正确指定,我应该如何解释这些结果?特别是,如何比较/选择由不同测试产生的结果?我唯一的想法是使用WAIC评估样本性能...