bayesian相关内容
我已经学习并在bnlearn R程序包中安装了贝叶斯网络,并且希望预测它的“事件"节点值. fl="data/discrete_kdd_10.txt" h=TRUE dtbl1 = read.csv(file=fl, head=h, sep=",") net=hc(dtbl1) fitted=bn.fit(net,dtbl1) 我想基于存储在另一个文件中的证据来预测“事件"节点的值,该文
..
我正在使用BayesFactor程序包,但使用两个非常相似的代码,对于相同数据,我会得到两个不同的输出.我想知道哪一个是正确的? if(!require(BayesFactor)){install.packages('BayesFactor')} require(BayesFactor) ##################################################
..
R,Bayestats和Jags新手在这里.我正在对一些计数数据进行建模,并进行了正确的审查.泊松似乎是我最好的猜测.我想做一个分层模型,因为它给我提供了更多微调参数的可能性.我可以简单地写这样的东西吗? A[i,j]
..
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, 8.55910259, 8.56216656, 8.51559191, 8.60630237, 8
..
我正在为Gibbs采样制作一个Rcpp代码.在代码内部,我首先要制作一个3维数组,其中行号=迭代数(500),列号=参数(4)数和切片数=链数(3).我是这样写的: #include #include // [[Rcpp::depends(RcppArmadillo)]] using namespace Rcpp; using na
..
我尝试在使用司仪之前先使用高斯,似乎无法完全弄清楚.基本上我想替换 def lnprior(theta): a, b, c = theta if 1.0
..
背景: 通常,R给出众所周知的分布的分位数.在这些分位数中,较低的2.5%直到较高的97.5%覆盖了这些分布下95%的面积. 问题: 假设我有一个F分布(df1 = 10,df2 = 90).在R中,如何确定此分布下95%的区域,以使这95%仅覆盖HIGH DENSITY区域,而不是R通常给出的95%(请参见下面的我的R代码) ? 注意:显然,最高密度是“模式"(下图中的虚
..
目标是将以下内容转换为函数,我想知道如何用R代码编写以下双整数?:($ \ bar {x} = \ mu $): 解决方案 假设pi0和pi1以向量化的方式实现函数$ \ pi_0 $和$ \ pi_1 $,则可能的解决方案是: integral
..
我正在尝试实现卡尔曼滤波器.我只知道职位.在某些时间步中缺少测量值.这就是我定义矩阵的方式: 过程噪声矩阵 Q = np.diag([0.001, 0.001]) 测量噪声矩阵 R = np.diag([10, 10]) 协方差矩阵 P = np.diag([0.001, 0.001]) 观察母体 H = np.array([[1.0, 0.0], [0
..
我正在尝试使用来自Weka的NaiveBayesUpdateable分类器.我的数据包含名义和数字属性: @relation cars @attribute country {FR, UK, ...} @attribute city {London, Paris, ...} @attribute car_make {Toyota, BMW, ...} @attribute
..
在Google的实验室中,已安装的arviz然后确实导入了arviz,而没有错误,但是在代码单元中,pm.plot_posterior(samples)出现了错误:未安装arviz. 试图绘制贝叶斯代码 pm.plot_posterior(samples) 我希望有个情节 解决方案 在导入PyMC3之前安装Arviz ,否则显然找不到它.就您而言,只需重新启动运行时(运行时
..
我正在努力在pymc3中实现隐马尔可夫链.在实现隐藏状态方面,我已经走了很远.下面,我展示了一个简单的2状态马尔可夫链: import numpy as np import pymc3 as pm import theano.tensor as tt # Markov chain sample with 2 states that was created # to have prob 0-
..
我试图了解将数据传递到模型中的方式是否存在任何有意义的差异-汇总或作为单一试验(请注意,这仅对某些分布(例如二项式)而言是一个有意义的问题). 使用具有二项分布的简单模型预测 p 是/否轨迹. 以下模型(如果有)的计算/结果有什么区别? 我选择两个极端,一次通过一次(减少到伯努利),或者一次通过整个系列的总和,尽管我也对这两个极端之间的差异感兴趣,但我还是选择了这两个例子来说明我
..
我需要根据资产类别的收益建模和估计方差-协方差矩阵,因此我查看了这是我的简单实现,我从一个样本开始,该样本使用具有已知均值和方差-协方差矩阵的多元法线.然后,我尝试使用无信息的先验估计它. 估算值与已知的估算值不同,因此我不确定我的实现是否正确.如果有人能指出我做错了什么,我将不胜感激. import numpy as np import pandas as pd import pym
..
我正在尝试从Gelman和Hill扩展层次模型在扩展之前,使用NUTS采样器可以很好地运行模型.添加后,估算值将缓慢增加并持续增加,直到模型停滞10到200次迭代之间的任何位置.这是一幅图像,直到它一直达到120(相对较长的时间). 在扩展之前,Metropolis需要进行200,000次迭代才能很好地修复真实的参数值,但最终还是可以.扩展后,它停顿在30k到50k之间.与NUTS不同,当您尝试在
..
我正在为一个班级做一些性别分类的工作.我一直在使用SVMLight并获得不错的结果,但是我也想在数据上尝试一些贝叶斯方法.我的数据集由文本数据组成,对于某些贝叶斯方法,我已经进行了特征缩减以将特征空间缩减为更合理的大小.所有实例都通过tf-idf运行,然后进行规范化(通过我自己的代码). 我抓住了sklearn工具包,因为它很容易与我当前的代码库集成,但是我从GaussianNB获得的结果都
..
我想用Zelig软件包的方式或多或少地模拟使用MCMCglmm估计的模型中的感兴趣量.在Zelig中,可以为独立值设置所需的值,然后软件将计算结果变量的结果(预期值,概率等).一个例子: # Creating a dataset: set.seed(666) df
..
如何使用Pymc3模拟6面骰子掷骰?另外,我知道骰子的不同面具有不同的分布吗? 解决方案 在PyMC3中模拟1000卷6面公平骰子的最简单方法是 import pymc3 as pm with pm.Model(): rolls = pm.DiscreteUniform('rolls', lower=1, upper=6) trace = pm.sample(100
..
我正在尝试将此将PyMC2的贝叶斯相关性示例转换为PyMC3,但是得到完全不同的结果.最重要的是,多元正态分布的均值迅速变为零,而它的平均值应为400(与PyMC2一样).因此,估计的相关性迅速变为1,这也是错误的. 完整代码可在此 PyMC2笔记本中获得,并在此 PyMC3笔记本中. PyMC2的相关代码是 def analyze(data): # priors mig
..
我想使用贝叶斯多元线性回归来评估团队运动(例如冰球,篮球或足球)中球员的实力.为此,我创建了一个矩阵X,其中包含玩家作为列,而比赛则作为行.对于每场比赛,玩家条目为1(在主队中的玩家),-1(在客队中的玩家)或0(玩家不参与此游戏).因变量Y定义为每场比赛中两支球队的得分差异(Score_home_team-Score_away_team). 因此,一个赛季的参数数量将非常大(例如X由300
..