PYMC3/通用混合物的第一步

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@）

mixture pymc3