pymc3

    4热度

    1回答

    我想使用pymc3来估计Hodgkin Huxley神经元模型中的未知参数和状态。我在pymc中的代码基于http://healthyalgorithms.com/2010/10/19/mcmc-in-python-how-to-stick-a-statistical-model-on-a-system-dynamics-model-in-pymc/,执行得相当好。 #parameter prio

    0热度

    1回答

    范畴 我试图在以下情况下SOFTMAX选择功能的一个单一的参数来执行参数估计: 在每次试验中,三个选项值被给予(例如,[1 ,2,3]),并且主题在选项(0,1或2)之间进行选择。 softmax函数根据温度参数(这里限定在0和10之间)将选项值转换为选择概率(3个概率的向量,总计为1)。 在每个试验中的选择应该被建模为具有从softmax计算的试验选择概率的分类分布。请注意,分类的选择概率取决于

    0热度

    1回答

    是否存在与pymc.rnormal函数等效的PyMC3,或者它是否已被删除,以支持numpy.random.normal?

    1热度

    1回答

    我无法从pymc3中采样Dirichlet/Multinomial分布。 我试图用n = 2创建一个简单的测试用例来重新创建一个使用Dirichlet/Multinomial的Beta/Binomial,但是我无法使它工作。 下面我有一些适用于二项式的代码,但多项式失败。 其中一个明显的差异是多项式模型更受约束: 即开始,在二项式模型中评级设为10,在多项式中设为[10,10]。 pymc3 Di

    1热度

    1回答

    是否有一个内置的方式来添加最高密度间隔来追踪pymc3? 我想直接在我的traceplot上显示HDI,最好是带有标签。 基本上,我想产生后验分布图,类似于“做贝叶斯资料分析”一书: 我不想重新发明的东西,可能在pymc3已经实现。

    1热度

    1回答

    在我的模型中,我需要使用复杂的python函数从一组父变量中获取我的确定性变量的值。 有没有可能这样做? 以下是一个python代码,它显示了我正在尝试做的简化情况。 import numpy as np import pymc as pm #Predefine values on two parameter Grid (x,w) for a set of i values (1,2,3)

    1热度

    2回答

    在阅读Cam Davidson-Pilon的Probabilistic Programming & Bayesian Methods for Hackers后,我决定尝试用隐马尔可夫模型(HMM)与PyMC学习问题。到目前为止,代码并不合作,但通过故障排除,我觉得我已经缩小了问题的根源。 将代码分解成更小的块并关注t = 0时的初始概率和发射概率,我可以在时间t = 0学习单个状态的发射/观测参数

    2热度

    1回答

    我想执行以实施 Implementing Dirichlet processes for Bayesian semi-parametric models(来源:here)中引用的Dirichlet过程例子在PyMC 3. 在示例中,棒破概率计算使用pymc.deterministic 装饰者: v = pymc.Beta('v', alpha=1, beta=alpha, size=N_dp)

    8热度

    2回答

    完美的作品一些简单的theano代码,停止工作,当我输入pymc3 这里是一些snipets为了重现错误: #Initial Theano Code (this works) import theano.tensor as tsr x = tsr.dscalar('x') y = tsr.dscalar('y') z = x + y #Snippet 1 import pymc3

    0热度

    1回答

    我正在使用一个简单的双变量正态模型,其中有一些非常规的事例。我所面临的主要问题是,我的后辈从一次跑到下一次跑都不一致,我猜测这与连续样本之间高依赖性的问题有关。这是我的具体问题。 获得N个独立样本的最佳方法是什么?目前,我一直在调用sample()来获得一个大的链(例如长度为10,000),然后每1000个样本开始抽取一百个样本。但现在看看其中一个参数的自相关曲线,看起来我至少需要每取500个样本