pymc3 - PYMC3 / 一般混合物的第一步
问题描述
我熟悉 Sklearn Gaussian Mixture,并且很难在 Pymc3 上取得进展。使用以下 pymc3 代码,对 1 个变量 X 和 2 个 W=[0.2,0.8] 的混合使用时间序列
with pm.Model() as model:
w = pm.Dirichlet("w", np.ones_like(W))
mu = pm.Normal("mu", -0.05, 0.06, shape=W.size)
sigma=pm.Gamma('vol',0.0001,0.03,shape=W.size)
x_obs = pm.NormalMixture("x_obs", w, mu,sigma, observed=x)
接着
with model:
trace = pm.sample(1000, n_init=2000, tune=1000)
# sample posterior predictive samples
ppc_trace = pm.sample_posterior_predictive(trace, var_names=["x_obs"])
# Get an arviz inference object
idata_pymc3 = az.from_pymc3(trace, posterior_predictive=ppc_trace)
如何获得组件的时间序列(哪个分布?),组件概率,均值,西格玛?
解决方案
推荐阅读
- java - 使用带有 Spring Boot 的 Spring Batch 时,如何始终为每次运行启动一个新的作业实例?
- c++ - 我想知道在构造函数中初始化变量时的生命周期
- javascript - 为 ReactJS 过滤对象中的对象
- python - 如何将文件删除和目录创建同步到 USB 驱动器?
- c# - 在 Asp.Net 核心 Web API 中找不到覆盖 404
- html - 在主题自定义模式下使用 Shopify 主列块制作图像网格
- javascript - 使用 Angular Material 时渲染视图会阻塞事件循环
- php - 安装在子文件夹中的 Laravel 的文件路径
- c++ - 在地块工具中跟踪子进程的命令
- mysql - 如何将两个查询合并为一个查询?