问题标签 [mcmc]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 在python中导入带参数的模块
是否可以在 python 中导入带有某些参数的模块？
我所说的参数的意思是模块中存在一个未在该模块中初始化的变量，我仍然在该模块中使用该变量。简而言之，我希望行为类似于函数但与函数不同，我希望模块的变量在调用代码中公开。
例如a.py：
b.py：
我希望所有随机变量都a.py暴露在MCMC. 我愿意为我手头的问题提供更好的方法，但我也想知道在 python 中是否可以将参数传递给模块。
constraints - PyMC：拟合模型时设置约束
我试图在通过 MCMC 方法与 PyMC 拟合变量时设置约束 例如，我在 PyMC 中定义了以下随机模型
如何定义模型以使 b 始终小于或等于 a？这是一种有效的方法吗？
python - 用 PyMC 拟合非齐次泊松过程
我是 PyMC 的新手，并试图使用最大后验估计来拟合我的非齐次泊松过程和分段常数速率函数。
我的过程描述了一天中的一些事件。因此，我将一天分成 24 小时，这意味着我的速率函数中有 24 个常数（分段常数）。
结合以下想法：
我想出了以下一段代码，但并不令人满意（从结果来看，我确信这是错误的）：
a0, a1... 中的值似乎不适合我的数据（通过从具有给定 lambda 的非齐次泊松过程中采样生成 -> 测试用例！）
我如何拟合/估计我的 lambdas？我究竟做错了什么？
（我使用的是 pyMC 2.3.2！）
python - 在 PyMC 中打印跟踪时出现 KeyError
我读过默认情况下某些名称被分配给随机变量。我正在下面写我的代码的相关部分。
最后一行引发错误KeyError: 'parameters_0'有人可以解释为什么会这样。
但如果我使用Matplot.plot(m)，我会得到图（我附在下面）。我的印象是键是parameters_0，parameters_1，parameters_2。
有什么方法可以让我知道所有存在痕迹的键吗？
)
python - PyMC 中的狄利克雷分布
有人可以解释一下在 PyMC 中使用 Dirichlet 发行版（带有工作示例）吗？
我意识到这是微不足道的，但我无法找到所有组件的踪迹。有什么出路吗？
我已经在这里发布了我的代码的相关部分
python - 在 pymc 中两次执行 MAP 给出不同的值
我想了解 MAP 优化 im pymc。lambda我使用 mcmc 采样
后得到以下后验分布
显然，后验在 lambda = 0.20 处最大，95% 的区间为 [0.17, 0.24]（如果我错了，请纠正我）
据我所知，MAP 给出了一个点估计（具有最大后验概率的 lambda 的值），但是当我运行 MAP 两次时，我得到不同的值，这不应该是这种情况。
在 d 相同程序的 2 次执行中使用 map 之后，我在 nd 之前打印 lambda 的值。
使用 MAP 0.200091865615 之前 使用 MAP 0.197584715205 之后
使用 MAP 1.28960939539 之前 使用 MAP 2.70871770586 之后
有人可以解释发生了什么以及如何解决这个问题吗？
hidden-markov-models - 为什么 jags 结果和 depmixS4 有时不同？
我有一个类似于以下模拟数据的数据集：
这是一个具有两种状态的 HMM 问题，这意味着隐马尔可夫链 z_t 属于 {1,2}。要估计两种不同状态的 alpha 和 Beta，我可以使用包“depmixS4”并找到最大似然估计值，或者我可以在“rjags”包中使用 MCMC。
我希望这两个估计值几乎相同，而当我针对不同的模拟数据运行以下程序时，有几次，答案不一样而且非常不同！
statistics - pymc中的直方图，不同方面是什么意思？
我已经定义了一个随机随机变量（还有更多，但为了这个问题，一个就足够了）
tau = pm.DiscreteUniform("tau", lower = 0, upper = 74)
使用 MCMC 采样后，当我绘制 的轨迹时tau，我得到下图
现在我的问题是这条黑线和两条虚线表示什么？
在我看到的所有早期数字中，用于将直方图下的区域划分为两半（几乎）的黑线和虚线也将覆盖几乎相同的黑线周围，所以我曾经认为粗线是平均值和 2 条虚线作为 95% 的置信区间（很明显我错了）。
我还想验证我对直方图高度的理解。
据我说，直方图的高度 45 表示次数，采样器拾取值 45，如果我错了，请纠正我
bayesian - pymc MAP 警告：随机 tau 的值既不是数字也不是具有浮点 dtype 的数组。推荐拟合方法 fmin（默认）
我在这里看过一个类似的问题
pymc 警告：值既不是数字也不是具有浮点 dtype 的数组
但是没有答案，有人可以告诉我是否应该忽略此警告或该怎么做？
该模型有一个随机变量（除其他外）tau，它是DiscreteUniform
以下是模型的相关代码：
scipy - 聚类：没有单点聚类
我有需要聚类的 4 维数据，以便为每个聚类构建最小体积边界椭球。我不希望有单点集群，或者至少，尽可能少的单点集群，因为我们不能用单点建立一个椭圆形置信区域。在我的问题中，没有预先给出集群的数量。所以我使用 Scikit-learn 的 Affinity Propagation - http://scikit-learn.org/stable/modules/clustering.html#affinity-propagation来估计集群的数量并从数据中执行集群。但是这种方法给了我这么多单点集群。您能否就如何解决此问题提供见解？
PS：为了给你更多信息，我正在研究用于贝叶斯证据计算的椭圆嵌套采样。