Perguntas com a marcação «pymc»

Estou começando a se envolver com o uso de glmnetcom LASSO Regressão onde meu desfecho de interesse é dicotômica. Criei um pequeno quadro de dados simulado abaixo: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p …

78 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

Atualmente, estou fazendo o curso PGM de Daphne Koller no Coursera. Nesse sentido, geralmente modelamos uma Rede Bayesiana como um gráfico direcionado de causa e efeito das variáveis ​​que fazem parte dos dados observados. Mas, nos tutoriais e exemplos do PyMC, geralmente vejo que não é exatamente modelado da mesma …

12 bayesian  inference  bayesian-network  pymc 

Esta é a minha primeira tentativa de alguém que vem do campo freqüentador fazer análise de dados bayesiana. Li vários tutoriais e alguns capítulos da análise de dados bayesiana de A. Gelman. Como o primeiro exemplo de análise de dados mais ou menos independente que escolhi, é o tempo de …

12 bayesian  pymc 

Estou tentando um modelo muito simples: encaixando um Normal onde suponho que conheço a precisão e só quero encontrar a média. O código abaixo parece se encaixar no Normal corretamente. Porém, após o ajuste, quero fazer uma amostra do modelo, ou seja, gerar novos dados semelhantes à minha datavariável. Eu …

12 mcmc  pymc 

Estou usando o PyMC3 para executar modelos bayesianos nos meus dados. Eu sou novo na modelagem bayesiana, mas de acordo com algumas postagens em blogs , Wikipedia e QA deste site, parece ser uma abordagem válida usar o fator Bayes e o critério BIC para poder escolher qual modelo melhor …

11 bayesian  model-selection  pymc 

Em sua página wiki , os desenvolvedores do estado de Stan: Alguns princípios que não gostamos: invariância, Jeffreys, entropia Em vez disso, vejo muitas recomendações de distribuição normal. Até agora, usei métodos bayesianos que não dependiam de amostragem e fiquei feliz por ter entendido por que foi uma boa opção …

11 bayesian  mcmc  prior  pymc  stan 

O problema Quero ajustar os parâmetros do modelo de uma população simples de mistura 2-Gaussiana. Dado todo o hype em torno dos métodos bayesianos, quero entender se, para esse problema, a inferência bayesiana é uma ferramenta melhor que os métodos de ajuste tradicionais. Até agora, o MCMC tem um desempenho …

10 bayesian  gaussian-mixture  frequentist  pymc  method-comparison 

Configuração do problema Um dos primeiros problemas de brinquedo nos quais eu queria aplicar o PyMC é o cluster não paramétrico: com alguns dados, modele-os como uma mistura gaussiana e aprenda o número de clusters e a média e covariância de cada cluster. A maior parte do que sei sobre …

10 bayesian  clustering  python  pymc  nonparametric-bayes 

Como sou um engenheiro de software tentando aprender mais estatísticas, você terá que me perdoar antes mesmo de começar, esse é um território novo e sério ... Estou aprendendo PyMC e trabalhando com alguns exemplos realmente (realmente) simples. Um problema para o qual não consigo trabalhar (e não consigo encontrar …

10 modeling  python  pymc 

Atualmente, estou lendo o livro " Programação Probabilística e Métodos Bayesianos para Hackers ". Eu li alguns capítulos e estava pensando no primeiro capítulo, em que o primeiro exemplo com pymc consiste em detectar um ponto de bruxa em mensagens de texto. Nesse exemplo, a variável aleatória para indicar quando …

9 probability  mcmc  pymc  change-point 

Eu estava navegando no repositório do Github para o Pymc e encontrei este notebook: Inferência Variacional: Redes Neurais Bayesianas O autor exalta as virtudes da programação bayesiana / probabilística, mas continua dizendo: Infelizmente, quando se trata de problemas tradicionais de ML, como classificação ou regressão (não linear), a Programação Probabilística …

9 machine-learning  bayesian  mcmc  pymc  probabilistic-programming 

Como parte da reprodução de um modelo que descrevi parcialmente nesta questão no Stack Overflow, quero obter um gráfico de uma distribuição posterior. O modelo (espacial) descreve o preço de venda de algumas propriedades como uma distribuição de Bernoulli, dependendo de a propriedade ser cara (1) ou barata (0). Nas …

8 prediction  spatial  posterior  hierarchical-bayesian  pymc 

Digamos que eu tenha uma grande amostra de valores em . Gostaria de estimar a distribuição subjacente . A maioria das amostras vem dessa distribuição assumida , enquanto o restante são discrepantes que eu gostaria de ignorar na estimativa de e .Beta ( α , β ) Beta ( α …

8 outliers  pymc  beta-distribution 

O livro de Kevin Murphy discute um problema bayesiano hierárquico clássico (originalmente discutido em Johnson and Albert, 1999, p24): Suponha que estamos tentando estimar a taxa de câncer em cidades. Em cada cidade, amostramos um número de indivíduos e medimos o número de pessoas com câncer , onde é a …

8 bayesian  hierarchical-bayesian  pymc  probabilistic-programming 

Por que hierárquico? : Tentei pesquisar esse problema e, pelo que entendi, esse é um problema "hierárquico", porque você está fazendo observações sobre observações de uma população, em vez de fazer observações diretas dessa população. Referência: http://www.econ.umn.edu/~bajari/iosp07/rossi1.pdf Por que bayesiano? : Também o marquei como bayesiano porque uma solução assintótica …

8 bayesian  mcmc  jags  hierarchical-bayesian  pymc