3

我使用 DensityDist 发行版构建了一个 pymc3 模型。我有四个参数，其中 3 个使用 Metropolis，一个使用 NUTS（这是由 pymc3 自动选择的）。但是，我得到两个不同的 UserWarnings 1.Chain 0 包含调整后发散样本的数量。如果增加target_accept无济于事，请尝试重新参数化。我可以知道这里的重新参数化是什么意思吗？2.链0中的接受概率与目标不匹配。是 ，但应该接近 0.8。尝试增加调整步骤的数量。

挖掘了几个例子，我使用了“random_seed”、“discard_tuned_samples”、“step = pm.NUTS(target_accept=0.95)”等等，并摆脱了这些用户警告。但我找不到有关如何确定这些参数值的详细信息。我确信这可能已经在各种情况下进行了讨论，但我无法找到可靠的文档。我正在做如下试验和错误方法。

with patten_study: #SEED = 61290425 #51290425 step = pm.NUTS(target_accept=0.95) trace = sample(step = step)#4000,tune = 10000,step =step,discard_tuned_samples=False)#,random_seed=SEED)

我需要在不同的数据集上运行这些。因此，我正在努力为我正在使用的每个数据集修复这些参数值。有什么方法可以让我给出这些值或找到结果（如果有任何用户警告，然后尝试其他值）并循环运行它？

如果我问的是愚蠢的事情，请原谅我！

4

1 回答 1

5

在这种情况下，重新参数化基本上是找到一个更容易计算的不同但等效的模型。根据模型的详细信息，您可以做很多事情：

  • 您可以使用方差很大的正态分布，而不是使用均匀分布。
  • 从中心层次模型转变 为非中心层次模型 。
  • 用 Student-T 替换高斯
  • 将离散变量建模为连续变量
  • 像这个例子一样边缘化变量

这些更改是否有意义是您应该根据您对模型和问题的了解来决定的事情。

于 2018-01-11T20:25:44.257 回答