我正在尝试用高斯（和更复杂的）函数拟合一些数据。我在下面创建了一个小例子。

我的第一个问题是，我做得对吗？

我的第二个问题是，我如何在 x 方向添加一个错误，即在观察/数据的 x 位置？

很难找到关于如何在 pyMC 中进行这种回归的好指南。也许是因为使用一些最小二乘法或类似方法更容易，但我最终有很多参数，需要看看我们能如何约束它们并比较不同的模型，pyMC 似乎是一个不错的选择。

我意识到我可能不得不运行更多的迭代，最后使用老化和细化。绘制数据和拟合的图如下所示。

pymc.Matplot.plot(MDL) 数字看起来像这样，显示出很好的峰值分布。这很好，对吧？

我有一个 n 观察的列表，每个观察都是两个 Weibull 分布变量的总和：

我的目标是：

1）估计两个威布尔分布的形状和尺度参数（shape1，scale1，shape2，scale2），

2) 对于每个观测值 x[i]，估计 t1[i]（并且由此得出 t2[i]）。

（旁白：每次观察x[i]是癌症诊断的年龄，t1[i]和t2[i]是肿瘤发展的两个不同时间段。实际模型也涉及到突变数据，但在我之前试试看，我想确保我可以使用 PyMC 来解决这个更简单的问题。）

我正在使用 PyMC2 进行这些估计，看起来运行收敛，但结果不正确。我不知道我的 PyMC 模型语法、MCMC 设置或两者都有问题。我尝试将这个建议改编为使用潜力对潜在变量进行建模。首先，我为每个观察定义 x[i] 和 t1[i]：

然后我为 t2[i] = x[i] - t1[i] 定义一个确定性：

最后我定义了 t2[i] 的潜力：

你可以在这里看到我的完整代码。我通过模拟 60 个独立观测值进行测试，shape1 = 1，scale1 = 30，shape2 = 6.5，scale2 = 10，并且我运行 AdaptiveMetropolis 的 1e5 次迭代。结果收敛到 shape1=1.94、scale1=37.9、shape2=0.55、scale2=36.1 的平均值，并且 95% HPD 不包括真实值。如该直方图所示，此结果分布甚至不在正确的范围内。（蓝色显示我使用的模拟数据 x[i]，而红色显示与 MCMC 运行中的代表性迭代完全不同的推断分布。）

使用不同的随机种子再次运行，我得到 shape1=4.65，scale1=23.3，shape2=0.83，scale2=21.3。这种分布在某种程度上更接近事实。是否有某种方法可以更改 MCMC 设置以始终为此类问题获得不错的结果？非常感谢任何有关更有效地使用 PyMC 的建议。

更新——尝试了“辅助”MCMC 运行：

我还尝试通过使用接近真实值的值初始化人口级参数来帮助 MCMC 运行。结果稍微好一些，但我现在发现了系统偏差。下面的直方图显示了观测值（蓝色）与拟合分布（红色）的真实分布。右尾非常适合，但无法捕捉到左侧的尖峰。对于人口规模 n = 60 和 100，这种偏差始终存在。我不确定这更多是 PyMC 问题还是一般 MCMC 算法问题。

如何使用 pymc 参数化概率图形模型？

假设我有一个带有两个节点的 PGMX和Y. 可以说X->Y是图表。

并X取两个值{0,1}， Y也取两个值{0,1}。

我想使用 pymc 来学习分布的参数并用它填充图形模型以运行推理。

我能想到的方法如下：

这里Y0Vals是Y对应于Xvalues = 0Y1Vals的值并且是Y对应于Xvalues = 1 的值。

计划是从中抽取 MCMC 样本，并使用Y0_p和的方法Y1_p 填充离散贝叶斯网络的概率......所以概率表为P(X) = (X_p,1-X_p)while 的P(Y/X)：

问题：

1. 这是这样做的正确方法吗？
2. 这不会变得笨拙，特别是如果我有X100 个离散值？或者如果一个变量有两个父级X并且Y每个有 10 个离散值？
3. 有什么更好的我可以做的吗？
4. 有没有什么好书详细说明我们如何进行这种互连。

我正在尝试改编 Cameron Davidson-Pilon 的 《黑客贝叶斯方法》第 1 章“介绍我们的第一个锤子：PyMC”中的文本消息示例来处理多个观察结果。下面的解决方案似乎有效，但我是 pymc 的新手，我不确定这是在 pymc 中处理多个时间序列观察的好方法。任何建议将不胜感激！

回顾一下来自 Bayesian Methods for Hackers 的文本消息示例，观察结果包括 74 天的文本消息计数，如下图所示。

本书使用一个开关点参数 (tau) 和两个指数参数 (lambda1 和 lambda2) 对这个过程进行建模，它们分别控制 tau 之前和之后的泊松分布消息计数。对于这个例子，pymc 使用以下代码产生近似的解：tau=45、lambda1=18 和 lambda2=23，这与本书的代码几乎相同：

我的问题是：这应该如何适应处理多个观察？

我的解决方案出现在下面，并且似乎正在工作，但我想知道是否有更好的方法来模拟 pymc 中的问题。

首先，我使用 tau=45、lambda1=18 和 lambda2=23 生成五个随机观测值，如下所示：

运行上面的代码会产生一个（5 x 74）“观察”数组，代表五个不同人的数据，例如，超过 74 天，如下图所示。

下一步是我不确定的部分：这五个观察结果应该如何在 pymc 中建模？这是我所拥有的：

运行这个模型似乎会产生 tau、lambda1 和 lambda2 的预期结果，但我想知道这是否是处理多个观察的合适方法？

在这里，我的目标是估计由下式给出的阻尼谐振子的参数（伽马和欧米茄）

dX^2/dt^2+gamma*dX/dt+(2*pi*omega)^2*X=0。（我们可以在系统中添加高斯白噪声。）

通过将上面的代码保存为 DampedOscil_model.py，我们就可以如下运行 PYMC

而且效果很好（见下文）。

由 gama_true=2.0 和 omega_est=1.5 构造的真实信号与估计信号。估计的参数值为 gama_est=2.04 和 omega_est=1.49

现在我会将此代码转换为 PYMC3 以使用 NUTS 和 ADVI。

对于此代码，我收到以下错误： V1 = pm.Deterministic('V1', DHOS[0])

简而言之，我想知道如何将 PYMC 代码的以下部分转换为 PYMC3。

问题是，第一，确定性函数的论证在 PYMC3 中与 PYMC 不同，第二，在 PYMC3 中没有 Lambda 函数。

感谢您帮助解决 PYMC3 中的 ODE 以解决生物系统中的参数估计任务（从数据中估计方程参数）。

非常感谢您的帮助。

亲切的问候，

梅萨姆

我使用了基于 Clojure 的“Anglican”，我认为这对我不利。糟糕的文档和太小的社区无法找到帮助。此外，我仍然无法熟悉基于 Scheme 的语言。所以我想把语言改成基于 Python 的东西。

也许 Pyro 或 PyMC 可能是这种情况，但我完全不知道这两者。

• 这两个框架有什么区别？
• 它们可以用于相同的问题吗？
• 有没有比较突出的例子？

我想将中间文件存储在 Stan 的概率编程步骤中，例如fit对象，请参见下面的 SWE，以便我可以稍后加载它以供以后使用。Stan 用 C++ 编译模型，每次运行后，我不想再次重新运行模型，我想将它们存储到文件系统中以供以后分析。

使用 PyStan 存储 Stan 对象的最佳方式是什么？换句话说，如何将 stan 对象存储为二进制文件，以及存储结果的最可行方法是什么，以便以后无需再次运行它们？

小型工作示例（来源此处）

我正在尝试运行以下模型，但在编译过程中失败：

有这些错误：

我是 PyMC3 的新手。运行现有 PyMC3 示例时，我没有看到这些错误。我怀疑我看到这些是因为我使用的是多维格式（即，(G,K)），因为我还没有看到其他人使用这种格式（我可能是在强加我对 Stan 的熟悉程度）。

一般来说，我很难理解如何实现具有多个维度的多级模型。

知道是什么导致了我看到的错误吗？

版本

• 蟒蛇3.6.3
• numpy 1.14.5
• Theano 1.0.2
• pymc3 3.4.1
• Mac OS 10.13.5

更新

我在 HPC 节点（CentOS 7）上安装了相同的软件包版本（通过conda），并且能够运行@colcarroll 建议的模型的修改版本。然而，在我的 OS X 机器上，我仍然看到上面指出的 Theano 编译错误，即使模型发生了变化。这可能是个clang问题吗？可以指定 Theano 使用的编译器吗？

我正在尝试使用隐藏的马尔可夫模型，但我的问题是我的观察结果是一些连续值的三元组（温度、湿度等）。这意味着我不知道我可能观察到的确切数量，因为它们不是离散的。这产生了我无法定义发射矩阵大小的问题。考虑离散值不是一种选择，因为在每个变量上使用必要的步骤，我得到了数百万个可能的观察组合。那么，这个问题可以用 HMM 解决吗？本质上，每次我得到新的观察结果时，发射矩阵的大小会发生变化吗？

有一家公司，它为 8000 名客户提供 200 种产品。客户购买产品的平均数量为 10 个。一些大客户可能会购买 20 个或更多产品。

主流产品火爆，现在公司想用AI做大市场。

这是个问题，公司不向您提供客户数据。你必须谷歌一些东西来代替。

我的一般解决方案：如果客户 A 购买 a、b、c、d 和 e 产品，客户 B 购买 a、b、c 和 d 产品。如果我将 e 推广给客户 B，我可以轻松做到。

说真的，在我看来，它是一个 8000*n 的数据集，我首先需要做一个数据聚类，热图或树状图。然后对每个集群使用预测模型 p(e|a，b，c，d)。好吗？

您可以忽略以下句子。

你好！我是最后一个学期的信息系统学士，加入一个项目（一个新项目旨在让不同行业的学生合作），有一个对计算机科学一无所知的商业导师和不知道什么是R，什么的商业队友是SPSS。

我们的项目听起来不错，我们与客户进行了愉快的交谈，一切看起来都很好。我们现在开始做时间线。