bayesian相关内容
我正在R中使用bnlearn包来训练贝叶斯网络.我对以下代码(稍作修改的bnlearn示例代码)感到烦恼: library(bnlearn) data(learning.test) fitted = bn.fit(hc(learning.test), learning.test) myfuncBN=function(){ var = names(learning.test) ob
..
我通过从R运行Winbug进行了贝叶斯分析,并得出了拟合值及其贝叶斯间隔.这是相关的Winbugs输出,其中mu [i]是第i个拟合值. node mean 2.5% 97.5% mu[1] 0.7699 0.6661 0.94 mu[2] 0.8293 0.4727 1.022 mu[3] 0.7768 0.4252 0.970
..
我正在使用OpenBUGS和R包R2OpenBUGS构建二项式混合模型.我已经成功构建了更简单的模型,但是一旦我添加了另一个用于不完善检测的级别,我就会持续收到错误variable X is not defined in model or in data set.我尝试了许多不同的方法,包括更改数据结构并将数据直接输入OpenBUGS.我发布此消息的目的是希望其他人对此错误有经验,并且也许知道为什
..
我目前正在进行多项临床试验中生存数据的荟萃分析. 为此,我使用相同的方法从发布的分析中获取代码.但是,当使用已发布的分析中的数据运行此代码时,我无法复制其结果.实际上,结果无法收敛到任何合理的估计. 代码本身(不包括数据)应正确无误,因为它直接来自作者.我认为问题必须与初始值或 采样运行方式的参数,但在多次播放之后 初始值,老化时间,变薄等...我没有得到有意义的结果. 任何人都
..
好吧,我只是重写了我的代码.现在的问题是,当我编译它时,出现“节点a的多个定义" 的错误.有人知道我的代码有什么问题吗?我为模型创建了变量a,b和c,使其没有太多常量. model{ for(i in 1:n){ a
..
我试图在Stan中运行此模型.我有一个正在运行的JAGS版本(返回高度自相关的参数),而且我知道如何将其公式化为双指数(具有两个比率)的CDF,这可能会毫无问题地运行.但是,我想将此版本用作类似但更复杂的模型的起点. 现在,我怀疑Stan中不可能有这样的模型.也许是由于采用布尔值之和引入的离散性,Stan可能无法计算梯度. 有人知道是这种情况吗,还是我在此模型中以错误的方式做了其他事情
..
我看到在Pystan中,HDI功能可用于在后分布周围提供95%的可信区间.但是,他们说这仅适用于单峰分布.如果我的模型可能具有多峰分布(最多4个峰),是否有办法在Pystan中找到HDI?谢谢! 解决方案 我认为这不是Stan/PyStan的特定问题.根据定义,最高密度区间是单个区间,因此不适用于表征多峰分布. Rob Hyndman, 计算和绘制最高密度区域 ,将概念扩展到多峰分布,并且
..
我正在尝试使用5星系统按客户评分对一堆产品进行排序.我为此设置的网站收视率不高,并且会继续添加新产品,因此通常会有一些收视率低的产品. 我尝试使用平均星级,但是当评分很少时,该算法就会失败. 例如,具有3颗5颗星评级的产品比具有100颗5颗星评级和2颗2颗星评级的产品的显示效果更好. 第二个产品是否应该显示出较高的排名,因为从统计上讲,由于评分较高,第二个产品更值得信赖?
..
鉴于示例数据sampleDT和下面的brms模型brm.fit和brm.fit.distr,我想: 估计,提取标准值并将其添加到数据框中 每个观察值与分布模型的偏差 brm.fit.distr. 我可以使用brm.fit来做到这一点,但是当我使用brm.fit.distr时,我的方法会失败. 样本数据 sampleDT
..
我目前正在努力按照APA-6的建议报告rstanarm::stan_lmer()的输出. 首先,我将在混合型方法中采用混合模型,然后将尝试使用贝叶斯框架进行相同的处理. 这是获取数据的可复制代码: library(tidyverse) library(neuropsychology) library(rstanarm) library(lmerTest) df
..
我是pymc的新手.我已经在github上阅读了必需的内容,并且在我被这个问题困扰之前一切都很好. 我想收集多项随机变量,以后可以使用mcmc对其进行采样.但是我能做的最好的是 rv = [ Multinomial("rv", count[i], p_d[i]) for i in xrange(0, len(count)) ] for i in rv: print i.value
..
我希望你们中的一些人对Sermas和Colias的R包ChoiceModelR有一定的经验,以估计Hierarchical Bayes多项式Logit模型.实际上,我在R和Hierarchical Bayes上都是新手.但是,我试图通过使用Sermas和Colias在帮助文件中提供的脚本来获得一些估计.我有一个与它们使用的结构相同的数据集(ID,选择集,替代项,自变量和选择变量).我有四个独立
..
我一直在寻找CRAN上的多项朴素贝叶斯分类器,到目前为止,我所能想到的只是软件包e1071中的二项式实现.有谁知道具有多项式贝叶斯分类器的软件包? 解决方案 bnlearn不为您这样做吗? http://www.bnlearn.com/ 位于CRAN上,声称可以实现“朴素贝叶斯"网络分类器,并支持“离散(多项式)数据集".
..
我尝试了解软件包bnlearn的bn.fit函数中的bayes和mle两种方法之间的区别. 我知道常客和贝叶斯方法在理解概率之间的争论.从理论上讲,我认为最大似然估计mle是将相对频率设置为概率的简单的频频方法.但是,要进行什么计算才能得到bayes估算值?我已经签出了 bnlearn文档,即 bn.fit函数的说明和一些我还试图通过先签出bnlearn::bn.fit,导致bnlearn:
..
我正在尝试实施朴素的贝叶斯分类器进行情感分析.我计划使用TF-IDF加权度量.我现在有点卡住了. NB通常使用单词(特征)频率来找到最大似然.那么如何在朴素贝叶斯中引入TF-IDF加权度量? 解决方案 您将TF-IDF权重用作统计模型中的特征/预测变量.我建议使用gensim [1]或scikit-learn [2]来计算权重,然后将其传递给您的朴素贝叶斯拟合过程. 可能还会对sci
..
这是我在CatBoost中应用BayesSearch的尝试: from catboost import CatBoostClassifier from skopt import BayesSearchCV from sklearn.model_selection import StratifiedKFold # Classifier bayes_cv_tuner = BayesSearc
..
我的问题 我刚刚开始使用R库"choicemodelr",并成功获得了一些beta值作为解决方案.但是我不知道如何将这些值分配给特定的属性级别.结果,我只获得A1B1,A1B2,A1B3等的值.该通用输出通常如何连接到我的设计? 在文档中找不到提示.选择模型库libraray或与其连接的Bayesm库(rhierMnlRwMixture)均不可用.希望您能帮我解决这个问题. 预先
..
我想用Python解决以下优化问题: 我有一个黑箱函数f,其中有多个变量作为输入. 黑匣子功能的执行非常耗时,因此我想避免使用暴力手段. 我想找到该黑盒功能f的最佳输入参数. 在下文中,为简单起见,我只写了一个维度x的依赖项. 最佳参数x定义为: 成本函数cost(x)的总和为 f(x)值 最大标准偏差f(x) . cost(x) = A * f(x)
..
我的第一篇文章在这里! 我在使用nltk NaiveBayesClassifier时遇到问题.我有一套7000项训练课程.每个训练项目都有2个或3个世界的描述和一个代码.我想将代码用作类的标签,并将描述的每个世界用作功能. 一个例子: “我叫奥巴马",001 ... 训练集= {[feature ['My'] = True,feature ['name'] = True,feature
..
我确实有一些正面和负面的句子.我想非常简单地使用Python NLTK来训练NaiveBayesClassifier来调查其他句子的情绪. 我尝试使用此代码,但是我的结果始终是肯定的. http://www.sjwhitworth.com/sentiment-analysis-in- python-using-nltk/ 我是python的新手,所以复制代码时我的代码有误. im
..