pymc3

    3热度

    2回答

    有没有讲述在熊猫​​数据帧的百分比或比赛的数量,而不做一些这样的功能... len(trace_df[trace_df['ratio'] > 0])/len(trace_df) 0.189 len(trace_df[trace_df['ratio'] <= 0])/len(trace_df) 0.811 必须有一个更Python或至少优雅的方式做这件事。

    1热度

    1回答

    我在玩PyMC3中玩弄离散HMM模型,我遇到了一些问题。 我最初的代码看起来是这样的: # Known transition and emission with pymc3.Model() as hmm1: T = tt.as_tensor_variable(Tr) E = tt.as_tensor_variable(Er) # State models

    0热度

    1回答

    我试图使用基于第23章“做贝叶斯数据分析”中的方法的PyMC3对序数预测变量建模。我想使用find_MAP来确定一个好的初始值,但是我收到了一个优化错误。 型号: import pymc3 as pm import numpy as np import theano import theano.tensor as tt # Some helper functions def cdf(x

    2热度

    1回答

    我已经安装了gfortran但sudo pip3 install pymc失败: IOError: [Errno 2] No such file or directory: 'lapack/double/dpotrs.f'. Skipping file "lapack/double/dpotrs. IOError: [Errno 2] No such file or directory: 'la

    1热度

    1回答

    我想先用Dirichlet对分类分布进行简单模型采样。这里是我的代码: 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', a=alpha, shap

    0热度

    1回答

    我试图建立一个模型,该模型从在Pymc3以下联合先验分布样品: F(A,B)〜(A + B)^ (-5/2)其中a,b> 0 with pm.Model() as the: def ab_dist(value=[1.0,1.0]): return T.switch(any(T.le(value, 0)), -np.Inf, T.log(np.power((value[0]

    2热度

    2回答

    有些情况下,我并不真正对贝叶斯推断的完整后验感兴趣,而只是最大可能性(或对于适当选择的先验的最大后验),并且可能是Hessian。 PyMC3有这样做的功能,但find_MAP似乎返回转换形式的模型参数,取决于它们的先前分布。有没有一种简单的方法来从这些未转换的值? find_hessian的输出对我来说更不明显,但它最有可能也在转换的空间中。

    3热度

    1回答

    我想从非贝叶斯背景中理解这一点。 在线性回归或黑箱机器学习工具中,工作流程如下所示。 获取数据 准备数据 模型数据 测试模型(通常在测试集) 如果模型(从中[或它的一部分,训练集]学)根据某些指标是好的,转到6,否则 调查和修改工作。 模型足够好;用它来预测/分类等 所以我们可以说我用pymc3试图了解从出售商品的广告支出和收入之间的关系。如果从1到5的所有阶段都顺利进行,那么在R和机器学习软件包

    3热度

    1回答

    是否可以增量更新pyMC3中的模型?目前我无法找到关于此的信息。所有文档始终与先前已知的数据一起工作。 但在我的理解中,贝叶斯模型也意味着能够更新信念。这可能在pyMC3中吗?我在哪里可以找到这方面的信息? 谢谢:)

    0热度

    1回答

    我正在试图非常简单地将由PyMC3 traceplot函数生成的子图(参见here)绘制到文件中。 该函数生成一个numpy.ndarray(2d)子图。 我需要移动或复制这些subplots到一个matplotlib.figure为了保存图像文件。我能找到的所有东西都显示了如何生成图形的子图第一个,然后构建它们。作为一个最小的例子,我从Here中提取了示例PyMC3代码,并在其中添加了几行以尝试