问题描述
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?
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)