5

我正在使用该包rjags在 R 中执行 MCMC，并且我想保存该函数的输出以jags.model供以后在另一个 R 会话中使用。

下面是一个正态分布均值的简单示例：

library(rjags)
N <- 1000
x <- rnorm(N, 0, 5)
model.str <- 'model {for (i in 1:N) {
  x[i] ~ dnorm(mu, 5)}
  mu ~ dnorm(0, .0001)}'
jags <- jags.model(textConnection(model.str), data = list(x = x, N = N))
update(jags, 1000)

我可以生成mu这样的样本：

coda.samples(model=jags,n.iter=1,variable.names="mu")

# [[1]]
# Markov Chain Monte Carlo (MCMC) output:
# Start = 2001 
# End = 2001 
# Thinning interval = 1 
#             mu
# [1,] 0.2312028
# 
# attr(,"class")
# [1] "mcmc.list"

现在我想保存模型对象jags以供以后在新的 R 会话中使用，这样我就不必再次初始化和刻录马尔可夫链：

save(file="/tmp/jags.Rdata", list="jags")
quit()

但是，在启动新的 R 会话并重新加载模型后，我收到一条错误消息，指出必须重新编译 JAGS 模型：

load("/tmp/jags.Rdata")
coda.samples(model=jags,n.iter=1,variable.names="mu")
# Error in model$iter() : JAGS model must be recompiled

这是为什么？如何将对象保存jags在 R 中以备后用？

注意：这个问题之前已经问过，但是OP对这个问题不是很具体。

4

1 回答 1

7

也许我对你真正想做的事情完全偏离了轨道，但我会设置一个像这样的 jags 模型，使用 R2jags 而不是 rjags （就像一个不同的包装器）：

library(R2jags)
N <- 1000
x <- rnorm(N, 0, 5)

sink("test.txt")
cat("
    model{
        for (i in 1:N) {
            x[i] ~ dnorm(mu, 5)
        }
            mu ~ dnorm(0, .0001)
    }
    ",fill = TRUE)
sink()

inits <- function() {
    list(
        mu = dnorm(1, 0, 0.01))
}
params <- c("mu")
chains <- 3
iter <- 1000

jags1 <- jags(model.file = "test.txt", data = list(x = x, N = N),
              parameters.to.save = params, inits = inits,
              n.chains = chains, n.iter = iter, n.burnin=floor(iter/2),
              n.thin = ifelse(floor(iter/100) < 1, 1, floor(iter/100)))
jags2 <- update(jags1, 10000)
jags2
plot(jags2)
traceplot(jags2)
jags2.mcmc <- as.mcmc(jags2)

结果没有区别，我喜欢这个过程，因为它更像是我使用 winbugs 的方式，所以......

最后一行代码将 jags2-object 转换为 mcmc-list，它可以被包 coda 处理。

祝你好运！

PS这是第二个答案：

再次查看您的代码后，加载 jags-object 后唯一缺少的是：

jags$recompile()
coda.samples(model=jags,n.iter=1,variable.names="mu")

但是，如果您真的只想使用已经获得的后验样本，或者只是想更新链以进行更多迭代，您也可以使用 R2jags-procedure。

于 2014-08-22T07:50:38.910 回答