問題タブ [pymc3]

ロジスティック多項回帰 (別名ソフトマックス回帰) を実装しようとしています。この例では、虹彩データセットを分類しようとしています

モデルの指定に問題があります。最適化エラーが発生しfind_MAP()ます。を使用find_MAP()しない場合、尤度に a を使用するとすべてゼロのベクトルの「サンプル」が得られ、 を使用するCategoricalと事前分布とまったく同じ事後分布が得られますMutinomial(n=1, p=p)。

Lee&Wagenmakers の本 (第 5.5 章、70 ページ) の打ち切りデータの例を実装しようとしています。pymc2 には、次のモデルがあります。

これにはデコレータが含まれ@pymc.observedます。
を使って尤度を表現する必要があると思いますがpm.DensityDist、方法がわかりませんでした。

PyMC 3 で 2 つのモデルを比較するためにベイズ係数を計算することに興味があります。このウェブサイトによると、PyMC 2 では、手順は比較的簡単に見えます。ベルヌーイ確率変数と、最初のモデルの尤度を返すカスタム尤度関数を含めます。ベルヌーイ変数の値が 0 の場合は 2 番目のモデルの尤度、値が 1 の場合は 2 番目のモデルの尤度です。ただし、PyMC 3 では確率ノードが Theano 変数である必要があるため、事態はさらに複雑になります。

私の 2 つの尤度関数は二項式なので、このクラスを書き直す必要があると思います。

どこから始めるべきかについて何か提案はありますか?

私はここで PyMC3 のガウス混合モデルの例に従ってきました: https://github.com/pymc-devs/pymc3/blob/master/pymc3/examples/gaussian_mixture_model.ipynb 人工データセットでうまく動作するようになりました。

実際のデータセットで試してみましたが、賢明な結果を得るのに苦労しています:

より適切にフィットさせるために、どのパラメーターを縮小/拡大/変更する必要があるかについてのアイデアはありますか? トレースは安定しているようです。例から調整したモデルのスニペットを次に示します。

途中で劇的に変化する時系列を生成しています。

このシリーズはx次のようになります。

目標は、PyMC3 を使用して、変更が発生した時間 (スイッチポイント) の事後分布を推定することです。これはインデックス 120 あたりで発生するはずです。私は次のコードを使用しました。

これを行うとtau、配列のスライスに使用できないエラーが発生します。PyMCでこれを解決するアプローチは何ですか? PyMC で確率的な何かによってスライスを行う必要があるようです。

pymc3で変化点分析を行う例を見ましたが、得られる結果が真の値からかけ離れているため、何かが欠けているようです。おもちゃの例です。

データ：

脚本：

結果は次のとおりです。

ご覧のとおり、初期値とはかなり異なります。私は何を間違えましたか？