Вопросы с тегом «stan»

29
Как работать с иерархическими / вложенными данными в машинном обучении

Я объясню мою проблему на примере. Предположим, вы хотите предсказать доход человека с учетом некоторых атрибутов: {Возраст, Пол, Страна, Регион, Город}. У вас есть тренировочный набор данных, как так 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,...

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
21
Как суммировать достоверные интервалы для медицинской аудитории

С помощью пакетов Stan и frontend, rstanarmили brmsя могу легко анализировать данные байесовским способом, как я делал раньше со смешанными моделями, такими как lme. Хотя у меня на столе лежит большая часть книг и статей Крушке-Гельмана-Вагенмейкера и т. Д., Они не говорят мне, как суммировать...

statistical-significance bayesian stan credible-interval medicine
16
Стан

Я просматривал документацию Стэна, которую можно скачать отсюда . Я был особенно заинтересован в их реализации диагностики Гельмана-Рубина. Оригинальная статья Gelman & Rubin (1992) определяет потенциальный коэффициент уменьшения масштаба (PSRF) следующим образом: Пусть быть я й пробы цепь...

mcmc convergence gibbs metropolis-hastings stan
14
Параметры без определенных априоров в Stan

Я только начал учиться использовать Стэн и rstan. Если я не всегда был озадачен тем, как работают JAGS / BUGS, я думал, что вы всегда должны были определять какое-то предварительное распределение для каждого параметра в модели, из которой нужно извлечь. Похоже, что вам не нужно делать это в Stan на...

mcmc prior jags graphical-model stan
13
Гамильтониан Монте-Карло и пространства с дискретными параметрами

Я только начал строить модели в Стэн ; Чтобы познакомиться с этим инструментом, я прорабатываю некоторые из упражнений в Байесовском анализе данных (2-е изд.). В Waterbuck упражнение предполагает , что данные , с ( N , & thetas ; ) неизвестной. Поскольку гамильтониан Монте-Карло не допускает...

bayesian mcmc discrete-data stan
11
Почему существуют рекомендации против использования Jeffreys или энтропийных априоров для сэмплеров MCMC?

На своей вики-странице разработчики Стэна заявляют: Некоторые принципы нам не нравятся: инвариантность, Джеффрис, энтропия Вместо этого я вижу много нормальных рекомендаций по распространению. До сих пор я использовал байесовские методы, которые не основывались на выборке, и был отчасти рад, что...

bayesian mcmc prior pymc stan
10
Как я могу смоделировать пропорции с BUGS / JAGS / STAN?

Я пытаюсь построить модель, в которой ответ является пропорцией (фактически это доля голосов, которую партия получает в избирательных округах). Его распределение не является нормальным, поэтому я решил смоделировать его с помощью бета-версии. У меня также есть несколько предикторов. Однако я не...

bayesian jags bugs beta-regression stan
9
Стэн делает прогностические постеры?

Есть ли в stan (в частности, rstan) встроенные средства для генерации прогнозирующих апостериорных распределений? Нетрудно сгенерировать распределение из соответствия stan, но я бы не стал изобретать...

bayesian posterior stan