Als «stan» getaggte Fragen

Stan ist eine Software für die Bayes'sche Schätzung unter Verwendung des No-U-Turn-Sampling-Algorithmus (NUTS) anstelle des einfacheren Gibbs-Sampling (BUGS).

5
Umgang mit hierarchischen / verschachtelten Daten beim maschinellen Lernen
Ich werde mein Problem mit einem Beispiel erklären. Angenommen, Sie möchten das Einkommen einer Person anhand einiger Attribute vorhersagen: {Alter, Geschlecht, Land, Region, Stadt}. Sie haben einen Trainingsdatensatz wie diesen 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, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) …
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 
2
Wie man glaubwürdige Intervalle für ein medizinisches Publikum zusammenfasst
Mit Stan und Frontend - Paketen rstanarmoder brmsich kann einfach Daten für den Bayesian analysiert , wie ich zuvor mit gemischten Modellen wie lme. Obwohl ich die meisten Bücher und Artikel von Kruschke-Gelman-Wagenmakers-etc auf meinem Schreibtisch habe, verraten diese nicht, wie ich die Ergebnisse für ein medizinisches Publikum zusammenfassen soll, …
1
Stan versus Gelman-Rubin Definition
Ich habe die Stan-Dokumentation durchgesehen, die hier heruntergeladen werden kann . Besonders interessiert hat mich die Implementierung der Gelman-Rubin-Diagnostik. Das Originalpapier Gelman & Rubin (1992) definiert den potenziellen Skalenreduktionsfaktor (PSRF) wie folgt: Sei die te Markov-Kette, und es seien insgesamt unabhängige Ketten abgetastet. Sei der Mittelwert aus der ten Kette …
1
Hamilton-Monte-Carlo und diskrete Parameterräume
Ich habe gerade angefangen, Modelle in Stan zu bauen . Um mich mit dem Tool vertraut zu machen, arbeite ich mich durch einige der Übungen in Bayesian Data Analysis (2nd ed.). Die Waterbuck-Übung setzt voraus, dass die Daten , wobei ( N , θ ) unbekannt ist. Da Hamilton-Monte-Carlo keine …
2
Parameter ohne definierte Prioritäten in Stan
Ich habe gerade angefangen zu lernen, wie man mit Stan und rstan. Es sei denn, ich war immer verwirrt über die Funktionsweise von JAGS / BUGS, ich dachte, Sie müssten immer eine vorherige Verteilung für jeden Parameter im Modell definieren, aus dem gezogen werden soll. Es scheint, dass Sie dies …
2
Warum gibt es Empfehlungen gegen die Verwendung von Jeffreys oder entropiebasierten Priors für MCMC-Sampler?
Auf ihrer Wiki-Seite geben die Entwickler von Stan Folgendes an: Einige Prinzipien, die wir nicht mögen: Invarianz, Jeffreys, Entropie Stattdessen sehe ich viele Normalverteilungsempfehlungen. Bisher habe ich Bayes'sche Methoden verwendet, die nicht auf Stichproben beruhten, und war froh zu verstehen, warum war eine gute Wahl für Binomialwahrscheinlichkeiten.θ∼Beta(α=12,β=12)θ∼Beta(α=12,β=12)\theta \sim \text{Beta}\left(\alpha=\frac{1}{2},\beta=\frac{1}{2}\right)
11 bayesian  mcmc  prior  pymc  stan 
1
Wie zeichne ich frühere Verteilungen in Stan?
Ich habe versucht, ein Stan-Modell ohne Daten auszuführen, um Diagramme für die vorherigen Verteilungen zu erhalten. Dies scheint jedoch nicht möglich zu sein. Ich erhalte eine Fehlermeldung, dass mein Modell keine Muster enthält. Gibt es also eine Möglichkeit, zu den vorherigen Distributionen zu gelangen? Vielleicht ist es möglich, Stan ohne …
10 prior  stan 
2
Macht Stan vorausschauende Posterioren?
Verfügt Stan (insbesondere Rstan) über integrierte Einrichtungen zur Erzeugung prädiktiver posteriorer Verteilungen? Es ist nicht schwer, die Verteilung aus der Stan-Passform zu generieren, aber ich möchte das Rad lieber nicht neu erfinden.
1
Ist rstan oder meine Gitterannäherung falsch: Entscheidung zwischen widersprüchlichen Quantilschätzungen in der Bayes'schen Inferenz
Ich habe ein Modell, um Bayes'sche Schätzungen der Populationsgröße NNN und der Erkennungswahrscheinlichkeit θθ\theta in einer Binomialverteilung zu erhalten, die ausschließlich auf der beobachteten Anzahl beobachteter Objekte basieren yyy: p(N,θ|y)∝Bin(y|N,θ)Np(N,θ|y)∝Bin(y|N,θ)N p(N,\theta|y)\propto \frac{ \text{Bin}(y|N,\theta)}{N} N y i y = 53 , 57 , 66 , 67 , 73{N|N∈Z∧N≥max(y)}×(0,1){N|N∈Z∧N≥max(y)}×(0,1) \left\{N|N\in\mathbb{Z}\land N\ge \max(y)\right\}\times(0,1) …
1
Ist es angemessen, eine zufällige Steigung zu schätzen, ohne die mittlere Gesamtsteigung zu schätzen?
Ich versuche abzuschätzen, ob es Unterschiede gibt, wie Personen in verschiedenen Städten (meine Gruppierungsvariable) auf einige Prädiktorvariablen reagieren. In der Praxis bin ich also daran interessiert, etwas über das zu lernenββ\betas aus jeder Stadt. Ich möchte jedoch zufällige Steigungen verwenden, damit diese Schätzungen in Richtung eines Gruppenmittelwerts "geschrumpft" werden. Ich …
1
Guassianischer Prozess zur Datenimputation
Ich bin kürzlich bei Gelman et al. Auf Gaußsche Prozesse gestoßen. (2013), und ich versuche, mehr über ihre mögliche Anwendung zur Verwendung bei der Eingabe von Zeitreihendaten zu erfahren. Die interessierenden Daten sind eine einzelne variable Zeitreihe der Herzfrequenz einer Person, die unter Verwendung eines Fotoplethysmogramms (PPG; ein optischer Sensor, …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.