如何解决PYMC3/通用混合物的第一步
我熟悉 Sklearn Gaussian Mixture,并且努力在 Pymc3 上取得进展。 使用以下 pymc3 代码,对 1 个变量 X 使用时间序列,以及 W=[0.2,0.8]
的 2 个混合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)
然后
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)
如何获得分量的时间序列(哪个分布?)、分量概率、均值、西格玛?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。