Questions marquées «stan»

5
Comment gérer les données hiérarchiques / imbriquées dans l'apprentissage automatique
Je vais expliquer mon problème avec un exemple. Supposons que vous souhaitiez prédire le revenu d'un individu en fonction de certains attributs: {âge, sexe, pays, région, ville}. Vous avez un ensemble de données de formation comme ça train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, …
29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 


1
Stan
Je parcourais la documentation de Stan qui peut être téléchargée ici . J'étais particulièrement intéressé par leur implémentation du diagnostic Gelman-Rubin. Le document original Gelman & Rubin (1992) définit le facteur de réduction d'échelle potentiel (PSRF) comme suit: Soit Xi,1,…,Xi,NXi,1,…,Xi,NX_{i,1}, \dots , X_{i,N} la iii ème chaîne de Markov échantillonnée, …

2
Paramètres sans priorités définies dans Stan
Je viens de commencer à apprendre à utiliser Stan et rstan. À moins que je ne sois toujours confus sur le fonctionnement de JAGS / BUGS, je pensais que vous deviez toujours définir une distribution préalable d'une sorte pour chaque paramètre du modèle à partir duquel tirer. Il semble que …

1
Monte Carlo hamiltonien et espaces de paramètres discrets
Je viens de commencer à construire des modèles en stan ; pour me familiariser avec l'outil, je travaille sur certains des exercices d'analyse des données bayésiennes (2e éd.). L' exercice Waterbuck suppose que les données , avec inconnues. Puisque l'hamiltonien Monte Carlo ne permet pas de paramètres discrets, j'ai déclaré …

2
Pourquoi y a-t-il des recommandations contre l'utilisation de Jeffreys ou de priors basés sur l'entropie pour les échantillonneurs MCMC?
Sur leur page wiki , les développeurs de Stan déclarent: Quelques principes que nous n'aimons pas: l'invariance, Jeffreys, l'entropie Au lieu de cela, je vois beaucoup de recommandations de distribution normale. Jusqu'à présent, j'ai utilisé des méthodes bayésiennes qui ne reposaient pas sur l'échantillonnage, et j'étais plutôt content d'avoir compris …
11 bayesian  mcmc  prior  pymc  stan 


2
Stan fait-il des postérieurs prédictifs?
Stan (en particulier, rstan) a-t-il des installations intégrées pour générer des distributions postérieures prédictives? Il n'est pas difficile de générer la distribution à partir du stan fit, mais je préfère ne pas réinventer la roue.

1
Est-ce que rstan ou mon approximation de grille est incorrecte: décider entre des estimations quantiles contradictoires dans l'inférence bayésienne
J'ai un modèle pour obtenir des estimations bayésiennes de la taille de la population NNNet probabilité de détection dans une distribution binomiale uniquement basée sur le nombre observé d’objets observés : pour . Pour simplifier, nous supposons que N est fixé à la même valeur inconnue pour chaque y_i . …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.