1

我正在尝试使用 pymc3 和 arviz 获得 2D mcmc 链的有效样本大小

import pymc3 as pm3
!pip install arviz 
import arviz as az

ess = az.ess(samples)

上面的代码适用于 1D，但不适用于 2D，我看到有一个 az.convert_to_dataset 可能会有所帮助，但我不知道如何使用它？

样本将是一个 N x 2 数组，它应该只给出一个数字作为输出

谢谢！

4

1 回答 1

0

使用数组时，ArviZ 采用以下形状约定：

  • 一维数组表示标量变量的单个链的绘制：(draw,)
  • 二维数组表示标量变量的多个链的绘制：(chain, draw)
  • 3d+ 数组表示多维变量的多个链的绘制：(chain, draw, *shape)

我不确定为什么 2d 案例对您不起作用，我怀疑这可能是由于没有足够的平局来计算ess。

为确保您的尺寸被正确解释，我建议您先做idata = az.convert_to_inference_data(ary)然后检查idata.posterior以查看生成对象的尺寸。然后，您可以调用az.ess(idata)以获取有效样本量。

编辑：如果我正确理解了您的评论，那么您正在生成一个形状为的数组，(draw=N, parameter_dim=2)因为您只对单个链进行采样。由于这是一个二维数组，它将被解释为具有N链和2绘图，这应该打印一个警告，即链多于绘图。您可以重塑数组以匹配 ArviZ 约定：

idata = az.convert_to_inference_data(np.expand_dims(samples, 0))
# or what is the same (we just choose the name of the variable)
idata = az.from_dict({"position": np.expand_dims(samples, 0)})

这将生成一个(1, N, 2)数组，其尺寸将被 ArviZ 理解。我已经添加了转换，InferenceData因为它InferenceData允许您调用任何 ArviZ 函数，而无需再关心尺寸。

如果您的数组是(2, N)，则在扩展轴之前添加转置应该可以解决问题：

idata = az.convert_to_inference_data(np.expand_dims(samples.T, 0))
于 2020-07-18T02:55:22.767 回答