pymc3

1热度

1回答

我已经使用PyMC3以下在下面的示例中所提供的步骤中创建的MCMC模型所观察到的数据的示例数据： https://pymc-devs.github.io/pymc3/notebooks/LKJ.html 结果，我得到类似于以下图片：模拟样本跟随观察数据具有相同的模式。但是，X和Y的范围要小得多。有谁知道我可以如何获得涵盖与观察数据类似的数字范围的样本？

3热度

1回答

随机效应的多级回归中的变量解释

我有一个看起来像下面的数据集（显示的前5行）。 CPA是来自不同广告航班实验（治疗）的观察结果。航班分层次地分组在活动中。 campaign_uid flight_uid treatment CPA 0 0C2o4hHDSN 0FBU5oULvg control -50.757370 1 0C2o4hHDSN 0FhOqhtsl9 control 10.963426 2 0C2o4hHD

1热度

1回答

在gpu上的pymc3上的ADVI

以下示例： http://twiecki.github.io/blog/2016/07/05/bayesian-deep-learning/，可以使用每个变量的float32值在gpu上训练网络。但是，奇怪的是，如果有更多的图层被传递到神经网络（例如每层有800个神经元的5层），或者当使用较少的图层将神经元的数量设置为较高的值时，我收到如下错误消息： 0%| | 1/50000 [00:00<6:

3热度

1回答

用PyMC3进行基本贝叶斯线性回归预测

我想用我的PyMC3 LR模型来获得预测变量y的值的80％HPD范围，因为新数据可用。因此，外推y的值的可信分布值为x的新值不在我的原始数据集中。型号： with pm.Model() as model_tlr: alpha = pm.Normal('alpha', mu=0, sd=10) beta = pm.Normal('beta', mu=0, sd=10)

0热度

1回答

在建模PyMC3中的有序预测变量时使用度量预测器

我试图在PyMC3中实现来自Doing Bayesian Data Analysis（Kruschke）第23.4章的有序概率回归模型。采样后，截距和斜率的后验分布与本书的结果并无真正可比性。我认为模型定义存在一些基本问题，但我没有看到它。数据： X是度量指标（标准化为zX），Y是序数结果（1-7）。 nYlevels3 = df3.Y.nunique() # Setting the thre

0热度

1回答

pymc3如何编码多状态离散贝叶斯网络CPT？

我试图建立一个简单的贝叶斯网络，其中雨水和喷灌是湿草的父母，但雨水和喷水器每个都有三个（模糊逻辑类型而不是通常的两个布尔）状态，而湿草有两个状态（真假）。我无法在pymc3文档中的任何地方找到用于描述CPT的语法 - 我正在尝试基于2状态示例的以下内容，但它不是按照我认为的方式推广到三个状态。任何人都可以显示正确的方法来做到这一点？（也为地方wetgrass有三种状态也更普遍的情况） rain

0热度

1回答

pymc3多类贝叶斯网络 - 如何抽样？

我已经为每个节点设置了3个状态的贝叶斯网络，并且可以从它读取特定状态的logp（如代码中所示）。接下来我想从中抽样。在下面的代码中，抽样运行，但我没有看到输出中三个状态的分布;相反，我看到一个均值和方差就好像它们是连续的节点。我如何获得三种状态的后验？进口numpy的为NP 进口pymc3作为MC 进口pylab，数学模型= mc.Model（）与模型： rain = mc.Categor

2热度

1回答

如何拟合pymc3中呈现歪斜的数据

我正在对某些数据拟合分层模型，拟合似乎可以接受。 with pm.Model() as model: mu_a = pm.Normal('mu_a', 0, sd=.2) sigma_b = pm.HalfNormal('sig_a', 0.1) mean = pm.Normal('mean', mu_a, sigma_b, shape=n) std =

1热度

1回答

PyMC3二项式模型的开关点高度依赖于名为testVal的

我已经设置了以下二项开关点模型PyMC3： with pm.Model() as switchpoint_model: switchpoint = pm.DiscreteUniform('switchpoint', lower=df['covariate'].min(), upper=df['covariate'].max()) # Priors for pre- and

0热度

1回答

组合Keras 2.0和pymc3的问题

我想将keras 2.0和pymc3组合起来构建一个神经网络。这是代码的从Thomas Weicki's Bayesian deep learning II 这是一个修改是我的代码： import numpy as np import pymc3 as pm import theano import theano.tensor as T from keras.layers import I