python – PYMC3季节变量

发布时间：2020-12-20 13:19:24 所属栏目：Python 来源：网络整理

导读：我对PYMC3比较陌生,我试图在没有回归量的情况下实现贝叶斯结构时间序列(BSTS),例如模型在R中适合 here.模型如下：我可以使用GaussianRandomWalk实现本地线性趋势,如下所示： delta = pymc3.GaussianRandomWalk('delta',mu=0,sd=1,shape=99)mu = pymc3.Gauss

我对PYMC3比较陌生,我试图在没有回归量的情况下实现贝叶斯结构时间序列(BSTS),例如模型在R中适合 here.模型如下：

我可以使用GaussianRandomWalk实现本地线性趋势,如下所示：

delta = pymc3.GaussianRandomWalk('delta',mu=0,sd=1,shape=99)
mu = pymc3.GaussianRandomWalk('mu',mu=delta,shape=100)

但是,我对如何编码PYMC3中的季节变量(tau)感到茫然.我是否需要滚动自定义随机游走课程,还是有其他技巧？

解决方法

您可以使用

w = pm.Normal('w',sd=sigma_tau,shape=S)
tau = w - tt.concatenate([[0.],w.cumsum()[:-1]])

根据数据,使用cumsum进行其他随机游走也可能更快,这通常可以避免后验中的相关性,这使得采样器的生活更加轻松.

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!