6

我正在 Stan 中进行多元回归。

我想要回归量/设计矩阵的 beta 向量参数的轨迹图。

当我执行以下操作时：

fit = model.sampling(data=data, iter=2000, chains=4)
fig = fit.plot('beta')

我得到一个非常可怕的图像：

矢量参数的可怕轨迹图

我追求的是对用户更友好的东西。我设法破解了以下更接近我所追求的东西。

矢量参数的更好的示踪图

我的 hack 插入到 pystan 的后面，如下所示。

r = fit.extract() # r for results
from pystan.external.pymc import plots
param = 'beta'
beta = r[param] 
name = df.columns.values.tolist()
(rows, cols) = beta.shape
assert(len(df.columns) == cols)
values = {param+'['+str(k+1)+'] '+name[k]: 
    beta[:,k] for k in range(cols)}
fig = plots.traceplot(values, values.keys())
for a in fig.axes:
    # shorten the y-labels
    l = a.get_ylabel()
    if l == 'frequency': 
        a.set_ylabel('freq')
    if l=='sample value': 
        a.set_ylabel('val')
fig.set_size_inches(8, 12)
fig.tight_layout(pad=1)
fig.savefig(g_dir+param+'-trace.png', dpi=125)
plt.close()

我的问题——我肯定错过了一些东西——但是有没有一种更简单的方法可以从 pystan 获得我所追求的向量参数输出？

4

2 回答 2

4

发现 ArviZ 模块做得很好。

ArviZ 可以在这里找到：https ://arviz-devs.github.io/arviz/

于 2018-11-04T09:17:52.643 回答
1

我也为此苦苦挣扎，只是找到了一种方法来提取跟踪图的参数（我已经知道测试版）。

当您适应时，您可以将其保存到数据框中：

fit_df = fit.to_dataframe()

现在你有了一个新变量，你的数据框。是的，我花了一段时间才发现 pystan 有一种直接的方法可以将拟合保存到数据框。

有了它，您可以检查您的数据框。您可以通过打印键来查看它的标题：

fit_df.keys()

输出是这样的：

Index([u'chain', u'chain_idx', u'warmup', u'accept_stat__', u'energy__',
       u'n_leapfrog__', u'stepsize__', u'treedepth__', u'divergent__',
       u'beta[1,1]', ...
       u'eta05[892]', u'eta05[893]', u'eta05[894]', u'eta05[895]',
       u'eta05[896]', u'eta05[897]', u'eta05[898]', u'eta05[899]',
       u'eta05[900]', u'lp__'],
      dtype='object', length=9037)

现在，您拥有所需的一切！Beta 和链 ID 一样在列中。这就是绘制 beta 和 traceplot 所需的全部内容。因此，您可以随心所欲地操作它，并根据需要自定义您的图形。我将向您展示我是如何做到的：

chain_idx = fit_df['chain_idx']
beta11 = fit_df['beta[1,1]']
beta12 = fit_df['beta[1,2]']

plt.subplots(figsize=(15,3))
plt.subplot(1,4,1)
sns.kdeplot(beta11)
plt.subplot(1,4,2)
plt.plot(chain_idx, beta11)

plt.subplot(1,4,3)
sns.kdeplot(beta12)
plt.subplot(1,4,4)
plt.plot(chain_idx, beta12)

plt.tight_layout()
plt.show()

上图中的图像！

我希望它有帮助（如果你仍然需要它）；）

于 2018-12-02T19:49:55.970 回答