Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
多维 PyMC3 观察
我的模型有一个 LogNormal RV C 形状为 W D W 中的每一行和 D 中的每一列都有一个正在拟合的参数 我试图将我的观察结果指定为 W D 矩阵 但是 这会导致 theano 编译错误 raise Exception Comp
python
Bayesian
pymc3
imputation
我无法导入 pymc3
我无法导入 pymc3 安装后出现以下错误消息 根据我安装的其他人指出的问题 pip 安装 pymc3 conda 安装 m2w64 工具链 conda安装theano 尝试导入 theano 时我也收到相同的错误消息 导入错误 无法从 t
python
pymc3
在 PYMC3 中使用自定义可能性会导致“expected ndarray”错误
我正在尝试在 PYMC3 中使用自定义分布 广义极值或 GEV 分布 我已经编写了一些代码来计算这个 但我得到一个错误 ValueError 需要一个 ndarray 应用导致错误的节点 MakeVector dtype float64 l
Theano
pymc3
使用 PYMC3 对 RV 求和
我正在尝试从图像中实现模型 我是 PyMC3 的新手 我不确定如何正确构建模型 我的尝试如下 sample data logprem np array 8 66768002 8 49862181 8 60410456 8 54966038
python
Bayesian
pymc3
访问 PyMC3 中随机变量的值
在PyMC2中 有random 和value 方法来生成随机值 并获取随机变量的当前值 有没有办法在 PyMC3 中做同样的事情 p pm Dirichlet p theta np array 1 1 1 p random p value
python
pymc
pymc3
pymc3 具有来自核密度估计的自定义似然函数
我正在尝试将 pymc3 与从一些观察数据派生的似然函数一起使用 这些观察到的数据不符合任何好的标准分布 所以我想根据这些观察来定义我自己的数据 一种方法是对观测值使用核密度估计 这在 pymc2 中是可能的 但与 pymc3 中的 The
python
Theano
Bayesian
pymc
pymc3
pymc3中的多元线性回归
我最近开始学习pymc3专门使用后emcee多年来 我遇到了一些概念问题 我正在练习第七章霍格的数据拟合模型 https arxiv org abs 1008 4686 这涉及到具有任意二维不确定性的直线的 mcmc 拟合 我很容易地完成了
python
statistics
pymc3
MCMC
emcee
如何使用pymc参数化概率图模型?
如何使用 pymc 参数化概率图形模型 假设我有一个带有两个节点的 PGMX and Y 可以说X gt Y是图表 And X有两个值 0 1 and Y也有两个值 0 1 我想使用 pymc 来学习分布的参数并填充 用于运行推理的图形模型
pymc3
pymc
bayesiannetworks
probabilisticprogramming
PyMC3 将随机协方差矩阵传递给 pm.MvNormal()
我尝试使用 PyMC3 将简单的 2D 高斯模型拟合到观察到的数据 import numpy as np import pymc3 as pm n 10000 np random seed 0 X np random multivariat
python
Theano
Bayesian
normaldistribution
pymc3
在 PyMC3 中使用复数似然
pymc version 3 0 theano version 0 6 0 dev RELEASE 我正在尝试将 PyMC3 与复杂的似然函数一起使用 第一个问题 这可能吗 这是我尝试使用托马斯 维茨基的帖子作为指导 import nump
pymc
pymc3
安装和导入后,colaboratory 将不会承认 arviz
在Google的合作实验室中 安装了arviz然后导入arviz没有错误 但在代码单元中 pm plot posterior samples 得到错误 arviz未安装 尝试绘制贝叶斯代码 pm plot posterior samples
python
Bayesian
pymc3
arviz
PyMC3 Dirichlet 过程多元高斯混合模型
我无法让我的形状适用于狄利克雷过程高斯混合模型 我的数据observations有形状 number of samples number of dimensions 每个高斯均值应从各向同性先验中得出 每个高斯协方差应为单位矩阵 我以为我设
python
Bayesian
pymc3
mixturemodel
pymc3:多个观察值
我有一些观测数据想要估计参数 我认为这将是尝试 PYMC3 的好机会 我的数据由一系列记录构成 每条记录包含一对与固定的一小时时间段相关的观察结果 一项观察是给定一小时内发生的事件总数 另一个观察结果是该时间段内的成功数量 例如 一个数据点
python
pymc
Poisson
pymc3
pymc3:具有多个观察变量的分层模型
我有一个简单的分层模型 其中有很多个体 我有来自正态分布的小样本 这些分布的均值也遵循正态分布 import numpy as np n individuals 200 points per individual 10 means np r
Bayesian
MCMC
pymc3
使用“LKJCorr”先验修改 PyMC3 中的 BPMF:使用“NUTS”的 PositiveDefiniteError
我之前实现了原来的贝叶斯概率矩阵分解 BPMF 模型中pymc3 看我之前的问题供参考 数据源和问题设置 根据 twiecki 对该问题的回答 我使用以下方法实现了该模型的变体LKJCorr相关矩阵的先验和标准差的统一先验 在原始模型中 协
python
Bayesian
pymc
MCMC
pymc3
pymc3 中的自定义可能性
如何在 PyMC3 中定义自定义可能性 在 PyMC2 中 我可以使用 pymc potential 我尝试使用pymc Potential然而 在 PyMC3 中 布尔运算似乎无法应用于参数 我收到类似的错误this当我这样做时 例如 以
pymc
pymc3