问题标签 [hierarchical-bayesian]

我正在尝试在 JAGS 中运行分层 Dirichlet 模型，但我没有更新并且必须做错事。我尝试用伽玛分布来近似它：

我在尝试运行有关 tensorflow 概率的贝叶斯逻辑回归示例时遇到问题，如图所示An Introduction to probabilistic Programming，现在可在 TensorFlow Probability中找到。

如果我只是在网站上运行代码，我会收到以下错误：

然后，当我指定 num_adaptation_steps=5 时，出现以下错误：

我不知道我做错了什么，任何帮助将不胜感激。谢谢！！

我正在尝试使用相机捕获站的栖息地协变量来模拟整体物种丰富度的变化R2jags。但是，我不断收到错误消息：

我在之前的 JAGS 模型中使用了一个非常相似的函数（来查找物种丰富度），所以我不确定为什么它现在不起作用......

我已经尝试以不同的方式将 inprod 函数中的协变量格式化为数据框和矩阵，但无济于事。

变量规格：

JAGS 型号：

捆绑数据：

启动 Gibbs 采样器：

最终，我得到了错误：

最后，我想计算栖息地协变量的平均值和 95% 可信区间 (BCI) 估计值，这些估计值被假设为影响特定站点（点级）物种丰富度的方差。

任何帮助将不胜感激！

我正在尝试使用多个预测器构建一个半复杂的 PyMC3 分层贝叶斯模型。我认为我的问题是由于我对如何正确构建这些模型缺乏了解。我要么收到以下错误：

TypeError：对于compute_test_value，一个输入测试值没有请求的类型。

将测试值转换为该变量类型时的错误：

错误的维数：预期为 0，得到 1 的形状（53724，）。

或者我将 N 和 X 的形状参数设置为数据集的长度并且我的 RAM 用完了（无论如何这似乎不合适，所以我并不感到惊讶）。

我最初的策略是建立一个模型，该模型基于预测索赔计数乘以每次索赔的平均成本来预测总成本，其中索赔计数和平均计数遵循各自的分布（分别为零膨胀负二项式和 Gamma）。这些都是基于我的数据集中的几个预测变量使用权重的线性组合构建的。我从根本上是不是错误地处理了这个问题？

代码

我希望该模型能够编译而不会出现错误或内存不足（在 64GB 机器上）。我需要把它分成两个单独的模型吗？

我正在尝试使用UCI 存储库中的成人数据集在逻辑回归的情况下编写一些代码来实现 HBM 。

我已经编写了代码，但是采样速度非常慢，每个样本大约 107 秒，甚至对于 64 个维度或特征。难道我做错了什么？

我附上代码以供参考。由于建议尝试加快速度，我还重新调整了数据，但无济于事。

我很感激任何反馈。

代码混合了此处和此处所写的内容。

我正在尝试使用BayesFactorR 中的包计算其中一个固定效应的贝叶斯因子（BF）。

数据结构如下：

• rating是因变量

• cond"A"是具有 3 个水平 ( , "B", "C") 的自变量

• C1cond是从与"A"(coded -0.50)"B"和"C"(both coded -0.25)对应的对比码派生而来的对比码

• C2是从(coded ) 到(coded ; 并且是 coded cond)派生的对比码"B"-0.50"C"+0.5"A"0

• judge和face是随机因素，因此face与交叉judge但嵌套在其中cond（因此也嵌套在C1and中C2）

理想情况下，我想测试“完整”模型，如下所示：

并计算 BF C1。

我设法计算了BF，C1但仅使用随机截距：

我尝试了这个解决方案以包括随机斜率但没有成功：

我还需要包括（如果可能的话）随机截距和斜率之间的相关性judge。

请随时在您的答案中使用任何其他包（例如，，）rstan。bridgesampling

一些额外的问题：

• 我是否需要对 BF10 进行任何转换，或者我可以将其解释为它吗？
• 什么是默认先验？

我正在做一个介绍性贝叶斯分析课程的项目，而且我对定期使用 R 也很陌生。我们应该使用我们找到或放在一起的数据集来构建层次模型。我将一个数据集放在一起来分析一个国家的社会自由及其财富在多大程度上影响其幸福感的问题。数据集如下所示：

Status 取自我转换成整数的 Freedom House，1表示不自由，2表示部分自由，3表示自由社会。对于我的第一个模型，我不想添加 GDP 数据。

我整理了看起来与我们在课堂上看到的示例相同的代码，但我遇到了麻烦，我不知道如何修复它。

以下是我如何设置从创建列表到建模、设置先验和运行jags命令的所有内容：

我最终得到一个看起来像这样的错误：

我的数据集中有 460 个观察值。我正在查看我制作的循环，我认为i应该从 1 到 460。我相信错误就在这里：mu[i] <- alpha[Country[i]] + beta1[Country[i]]*Year[i]我看错地方了吗？

谁能帮我调试一下？任何帮助将不胜感激。

我正在 stan（使用 rstan）中制作多级逻辑回归模型以适应大型数据集。我的数据集是一个 2000 x 100100 矩阵，包含 2000 个个体基因组 (SNP) 中 100100 个位置的模拟测序数据。该模型的目标是估计每个 SNP 对结果变量 0 或 1（健康或生病）的影响。

我想估计 100100 个斜率，每个 SNP 一个。我在 STAN 中编写了以下模型，我能够适应 2000 x 101 的裁剪数据集，Rhat = 1 和非常高的 n_eff 值。

当我尝试使用 rstan 函数 sampling() 将模型拟合到大型数据集时，R 没有响应。模型的编译工作正常。你知道我做错了什么吗？

R 代码如下所示：

假设我有一个包含 4 个变量的数据框。我想看看我是否可以在所有变量上生成伽马混合的后验，目标是为每个观察找到聚类。我猜我需要某种多元伽马分布？但是我该怎么做呢？

这是一些 pymc3 代码作为一个参数的示例，寻找两个伽马的混合（我选择了任意参数）：

所以我的问题是，我如何将这个基本示例扩展到多个变量？我假设我需要以某种方式定义变量之间的关系以在模型中对它们进行编码？我觉得我了解混合建模的基础知识，但同时又觉得我缺少一些非常基础的东西。

你知道我们是否可以在具有浮点值的向量上实现贝叶斯层次聚类（python 或 R）吗？我在网上搜索过，只是找到了一些值为 0、1、2 的随机矩阵。在相关论文中没有提到任何内容。我还尝试用 R 实现它，它返回了一个致命错误，并且 R studio 和 RGui 突然关闭，我不确定这是否是因为浮点值。