0

私はスタンと機械学習の両方の初心者です。ここで、pmf モデルを実装したいと思います。ここに私のコードの一部があります:

pmf_cod="""
data {

int<lower=0> K; //number of factors
int<lower=0> N; //number of user
int<lower=0> M; //number of item
int<lower=0> D; //number of observation
int<lower=0> D_new; //number of pridictor 
int<lower=0, upper=N> ii[D]; //item 
int<lower=0, upper=M> jj[D]; //user
int<lower=0, upper=N> ii_new[D_new]; // item
int<lower=0, upper=N> jj_new[D_new]; // user
real<lower=0, upper=5> r[D]; //rating
real<lower=0, upper=5> r_new[D_new]; //pridict rating

}

parameters {
row_vector[K] i[M]; // item profile
row_vector[K] u[N]; // user profile
real<lower=0> alpha;
real<lower=0> alpha_i;
real<lower=0> alpha_u;

}

transformed parameters {
matrix[N,M] I; // indicator variable
I <- rep_matrix(0, N, M);
for (d in 1:D){
    I[ii[d]][jj[d]] <- 1;
}
}

model {
for (d in 1:D){
    r[d] ~ normal(sum(u[jj[d]]' * i[ii[d]]), 1/alpha);
}

for (n in 1: N){
    u[n] ~ normal(0,(1/alpha_u) * I);
}
for (m in 1:M){
    i[m] ~ normal(0,(1/alpha_i) * I);
}
}
"""

しかし、エラーが発生しました:No matches for: row vector ~ normal(int, matrix)このコード行で:

for (n in 1: N){
    u[n] ~ normal(0,(1/alpha_u) * I);
}

Iは単位行列です。したがって、 の積(1/alpha_u) * Iも行列です。しかし、スタンはベクトルまたは実数値を分散として受け入れるだけです。それをベクトルまたは単一の値に変換する方法が気になります。

前もって感謝します！

4

1 に答える 1

1

多変量正規密度を使用するつもりであるかのように見えます。この場合、探している関数はmulti_normalではなく ですnormal。ただし、multi_normal関数は最初の引数として平均ベクトルを必要とするため、次のように呼び出す必要があります 。また、ブロック内で作成する必要がある場合でも、ブロック内で u[n] ~ multi_normal(rep_vector(0, K), (1/alpha_u) * I); 作成する必要はありません。Itransformed parameterstransformed data

multi_normalとはいえ、分散共分散行列が対角である場合、Stan で密度を使用するべきではありません。この仮定の下では、多変量正規分布は単変量正規分布の積に因数分解されるため、次のようにしたほうがよいでしょう。 u[n] ~ normal(0, 1 / alpha_u);

于 2016-02-11T03:06:46.350 に答える