我试图用 pymc3
掌握Bayesain统计数据
我运行此代码进行简单的线性回归
#Generating data y=a+bx
import pymc3
import numpy as np
N=1000
alpha,beta, sigma = 2.0, 0.5, 1.0
np.random.seed(47)
X = np.linspace(0, 1, N)
Y = alpha + beta*X + np.random.randn(N)*sigma
#Fitting
linear_model = pymc3.Model()
with linear_model:
alpha = pymc3.Normal('alpha', mu=0, sd=10)
beta = pymc3.Normal('beta', mu=0, sd=10)
sigma = pymc3.HalfNormal('sigma', sd=1)
mu = alpha + beta*X
Y_obs = pymc3.Normal('Y_obs', mu=mu, sd=sigma, observed=Y)
start = pymc3.find_MAP(fmin=optimize.fmin_powell)
step = pymc3.NUTS(scaling=start)
trace = pymc3.sample(500, step, start=start)
我不明白跟踪代表什么
如果我足够了解贝叶斯理论,那么应该有一个 alpha
, beta
和 sigma
并输出它们组合的概率 .
如何从 trace
变量中获取此 belief
结构?
1 回答
trace
是马尔可夫链蒙特卡罗(MCMC)过程的输出 . 在给定数据的情况下,它会收敛到参数的分布(例如,信念) .您可以使用以下方法查看跟踪:
如果您希望在跟踪的每个点上看到回归的各个实现,您可以执行以下操作:
Note :您的代码似乎缺少该行:
from scipy import optimize