问题标签 [hierarchical-bayesian]

我正在尝试使用 bas 包在 R 中实现贝叶斯模型，并为我的模型设置这些值：

我试图借助该特定状态存在的特定区域来预测给定状态的区域；但对于不同的邮政编码。我的模型基本上找到给定状态的数据中存在的各种邮政编码（为此使用状态索引），然后给出输出。

现在，每当我尝试预测状态区域时，我都会给出以下输入：

现在，我得到了这个状态的输出。假设我有一个带有给定邮政编码的州列表，并且我想在该列表上运行我的模型（数据库）并获得预测，我无法使用上述方法来做到这一点，因为这需要时间。还有其他方法可以做到这一点吗？我在一位绅士的帮助下做了同样的事情，这是我的代码：

basdata：我的模型优先：我正在预测区域的新数据集。现在，我面临的问题是代码需要很长时间才能预测值。它遍历每一行并计算面积。我的数据集中有 150000 行，我会请求是否有人可以帮助我优化此代码的性能。

假设我有一个包含给定邮政编码的 1500000 个州的列表，并且我想在该列表上运行我的预测模型（数据库）并获得区域的预测，我在一位绅士的帮助下做了同样的事情，这是我的代码：

1. 基础数据：我的模型
2. 第一：我正在预测该区域的新数据集。

现在，我面临的问题是代码需要很长时间才能预测值。它遍历每一行并计算面积。我的数据集中有 150000 行，我会请求是否有人可以帮助我优化此代码的性能。

我理解贝叶斯中的先验概念，这很酷，但是将它们变成代码太难了。据我所知，没有先验的发布不是一个好习惯。我有相当大的数据集，n = 5000，因此非常温和的信息先验会更好。任何人都可以帮忙吗？

我有一个 hurdle_lognormal 模型如下：

received_treatment_hours 是一个零膨胀 (50%) 的结果变量，还包含极值（异常值）。范围从0-100，大多数患者接受约5小时。

这是之前的总结

如何为模型的对数正态和二项式部分编写一般 b 先验？让我们假设在不同的预测因子水平之间接受治疗时间不可能超过 30 小时。零的比例在不同的预测水平之间变化很大（10-90%）——如何编码？

这些 sd、intercept 和 sigma 先验可以定义什么？

我为模型的对数正态部分编写的代码：

我正在使用Richard McElreath 在R 中的“重新思考”包运行以下模型。每个物种（由species_dummy 表示）都有几棵与之相关的树（由索引[tree] 表示）。我想使用嵌套索引或以某种方式使用物种虚拟变量来允许 r_sigma_species 的两个不同值，每个物种一个。我不知道如何使索引工作。我不相信 McElreath 的 Statistical Rethinking 书中包含任何这样的例子。

我尝试了以下方法：

• r_tree[tree_index] ~ dnorm(0, r_sigma_species[species_dummy]) ... 但这不起作用，因为重新考虑不会接受 ~ 右侧的索引

• 分别定义 r_sigma_oak 和 r_sigma_juniper（即两个物种），然后使用虚拟变量： r_sigma_tree[tree_index] ~ r_sigma_juniper * (1-species_dummy) + r_sigma_oak * species_dummy .... 但重新思考不会解释这一点，因为它没有根据[tree_index]自动过滤species_dummy的数据，所以数据行数不匹配。

• 试图组合索引，如 r_sigma_tree[tree_index][species_dummy] ~ r_sigma_species[species_dummy] ...重新思考似乎并不喜欢组合索引。

由于我已经有了使用“rethinking”包的模型版本，我现在不想切换到 rstan 或任何其他语法。

我有一个零膨胀的 y 变量。

您能否确认我的解决方案将 brms 障碍对数正态后验值转换为有意义的估计值作为 y 变量单位（对数正态部分）或零概率（障碍部分）。

模型

后变量

计算每个县的平均值的解决方案

我必须添加“b_Intercept”和“r_county[,Intercept]”，然后取 exp() 吗？在代码中：

计算每个县的零概率（y = 0）的解决方案

我必须添加“b_hu__Intercept”和“r_county__hu[,Intercept]”，并将其放入 inv_logit_scaled() 函数中？在代码中：

我是张量流概率的新手。我正在构建一个分层模型，为此我使用JointDistributionSequential API：

然后我打算使用Mixture API 创建这些模型的混合：

这行不通。我打算混合的是批处理形状（N，T，S）的分层模型“末端”的随机变量x_t_s 。我想我需要将它们提供给混合物的components参数。问题是我无法轻松地从模型对象中检索这些变量。

有没有人看到解决这个问题的方法？

请注意，我尝试使用jds.model[-1]而不是jds，但这指向 lambda 函数，这不是我在这里需要的。

我正在构建张量流概率模型的混合体。一个给定模型的联合分布是：

然后我需要“混合”模型，但这种混合是相当自定义的，我在自定义log_prob_fn对数概率函数中手动完成：

（我知道这个功能效率不高，但我不能从我以前的模型中轻松采样 - 批量形状 - 所以我现在不得不遍历模型）

请注意，分配dist是为每个网络动态创建的。

然后目标是使用这个模型并将其拟合到数据中。我使用 生成了一个初始状态，one_network_prior然后我手动混合了数据以获得(N, T, S, D)观察到的数据，该数据将被馈送到 MCMC，如下所示：

但是当我运行该run_chain函数时，经过几次迭代后，我得到了一个错误：

我的理解是负片kappa被喂给了dist，但是通过Softplus双射器这不应该是可能的吗？当反转我所有的双射器时，该函数仍在运行，这很奇怪，因为尺寸应该被破坏SoftmaxCentered。

所以我觉得我的双射器只是被忽略了。我错过了什么 ？

在此先感谢您的帮助 ：）

我需要使用 PyMC3 拟合多级线性模型，我非常喜欢glm api，因为它提供了简洁性。我想问一下是否以及如何做到这一点。我发现的这篇博文提到：

glm() 还不能很好地处理分层模型

所以我有点怀疑这实际上是否可以做到，但它是几年前写的，所以这可能已经改变了。举个例子，下面是我想用 glm api 重写的模型

我认为它看起来像这样：

但是，在尝试堆叠系数时会在此处产生错误

我正在尝试使用 Spyder 在 Win10 环境中运行带有 pymc3 的分层模型。我有一些全局模型参数（theta、omega、sigma）和一个特定参数（Ci）。

它需要一个 pd Dataframe 作为包含相关数据的输入。第一列称为“队列”，第二列称为“时期”，第三列包含观察结果。

观察的数量在队列之间有所不同。

代码如下所示：

产生的错误信息是：

我不知道为什么。请注意，如果不是在导致错误的行中除以 Theta，而是进行加法，那么它可以工作（但显然这不是我想要的）。

我该如何解决这个问题并让这个部门工作？

我正在尝试在我的研究中遇到的各种数据上练习使用 pymc3，但是当每个人给我多个数据点并且每个人都来自不同的组时，我无法思考如何拟合模型（所以尝试分层模型）。

这是我正在使用的练习场景：假设我们有 2 组人，每组 N = 30。所有 60 人都经过 10 个问题的调查，每个人可以回答（“1”）或不回答（“0”）每个问题。因此，对于每个人，我都有一个长度为 10 的数组，其中包含 1 和 0。

为了对这些数据建模，我假设每个人都有一些潜在的特征“theta”，每个项目都有一个“歧视”a和一个“难度”b（这只是一个基本的项目响应模型），以及响应的概率（“ 1") 由 (1 + exp(-a(theta - b)))^(-1) 给出。（逻辑应用于 a(theta - b) 。）

以下是我尝试使用 pymc3 安装它的方法：

函数“getProbs”应该为我提供伯努利随机变量的一系列概率，因为每个人的试验/调查问题中响应 1 的概率会发生变化。但是这个方法给了我一个错误，因为它说“指定 p 或 logit_p 之一”，但我以为我用函数做了？

以下是“getProbs”的代码，以防万一：

我添加了 Nprt 参数，因为如果我尝试获取 THETA 的长度，它会给我一个错误，因为它是一个 FreeRV 对象。我知道我可以尝试对“item”函数进行矢量化，这只是我在上面放置的逻辑函数，而不是这样做，但是当我尝试运行它时也会出错。

我想我可以用 pm.Data 做一些事情来解决这个问题，但是文档对我来说并不完全清楚。

基本上，我习惯于在 JAGS 中构建模型，在其中循环遍历每个数据点，但 pymc3 似乎并没有那样工作。我对如何在模型中构建/索引我的随机变量感到困惑，以确保概率改变我希望它们从试验到试验的方式，并确保我估计的参数对应于正确的组中的正确的人。

提前感谢您的帮助。我对 pymc3 很陌生，并试图掌握它，并想尝试与 JAGS 不同的东西。

编辑：我能够通过首先通过循环试验构建我需要的数组来解决这个问题，然后使用以下方法转换数组：

然后我把这个新变量放在伯努利实例的“p”参数中，它起作用了！这是更新后的完整模型：（下面，我将 theano.tensor 导入为 T）