我正在尝试学习如何使用Julia中的Mamba包进行贝叶斯推理。虽然这个软件包很棒,但作为初学者,我发现文档中的信息有点稀缺。因此,我试图弄清楚如何实现一些非常简单的例子。
我尝试了什么
我实现了一个例子,用于对单变量正态分布的均值进行贝叶斯推断。代码如下:
using Mamba
## Model Specification
model = Model(
x = Stochastic(1,
mu -> Normal(mu, 2.0),
false
),
mu = Stochastic(
() -> Normal(0.0, 1000.0),
true
)
)
## Data
data = Dict{Symbol, Any}(
:x => randn(30)*2+13
)
## Initial Values
inits = [
Dict{Symbol, Any}(
:x => data[:x],
:mu => randn()*1
)
]
## Sampling Scheme Assignment
scheme1 = NUTS([:mu])
setsamplers!(model, [scheme1])
sim1 = mcmc(model, data, inits, 10000, burnin=250, thin=2, chains=1);
describe(sim1)
这似乎工作得非常好(尽管可能有更好的方法来编写这个?)。
我想做什么但不起作用。
在这个例子中,我试图对二元正态分布的平均值进行贝叶斯推断。代码如下:
using Mamba
## Model Specification
model = Model(
x = Stochastic(1,
mu -> MvNormal(mu, eye(2)),
false
),
mu = Stochastic(1,
() -> MvNormal(zeros(2), 1000.0),
true
)
)
## Data
data = Dict{Symbol, Any}(
:x => randn(2,30)+13
)
## Initial Values
inits = [
Dict{Symbol, Any}(
:x => data[:x],
:mu => randn(2)*1
)
]
## Sampling Scheme Assignment
scheme1 = NUTS([:mu])
setsamplers!(model, [scheme1])
sim1 = mcmc(model, data, inits, 10000, burnin=250, thin=2, chains=1);
describe(sim1)
您可能会注意到,我认为必要的更改很少。但是,我在某处做错了什么,当我尝试运行它时,我得到一个错误(类型错误之间的转换),这对我没有帮助。
任何帮助表示赞赏。如果这样做,我会考虑将这个简单的例子贡献给其他新用户的Mamba文档。感谢。
附录:错误消息
ERROR: MethodError: Cannot `convert` an object of type Array{Float64,2} to an object of type Array{Float64,1}
This may have arisen from a call to the constructor Array{Float64,1}(...),
since type constructors fall back to convert methods.
in setinits!(::Mamba.ArrayStochastic{1}, ::Mamba.Model, ::Array{Float64,2}) at /lhome/lgiannins/.julia/v0.5/Mamba/src/model/dependent.jl:164
in setinits!(::Mamba.Model, ::Dict{Symbol,Any}) at /lhome/lgiannins/.julia/v0.5/Mamba/src/model/initialization.jl:11
in setinits!(::Mamba.Model, ::Array{Dict{Symbol,Any},1}) at /lhome/lgiannins/.julia/v0.5/Mamba/src/model/initialization.jl:24
in #mcmc#29(::Int64, ::Int64, ::Int64, ::Bool, ::Function, ::Mamba.Model, ::Dict{Symbol,Any}, ::Array{Dict{Symbol,Any},1}, ::Int64) at /lhome/lgiannins/.julia/v0.5/Mamba/src/model/mcmc.jl:29
in (::Mamba.#kw##mcmc)(::Array{Any,1}, ::Mamba.#mcmc, ::Mamba.Model, ::Dict{Symbol,Any}, ::Array{Dict{Symbol,Any},1}, ::Int64) at ./<missing>:0
答案 0 :(得分:2)
正如我在Mamba问题上发布的那样,你打开了:
问题是因为
data[:x]
2x30 Array{Float64,2}:
是一个维数为2 x 30的矩阵。编码x的随机节点的方式是
x = Stochastic(1,
mu -> MvNormal(mu, eye(2)),
false
),
指定x是向量(维数为1的多维数组)。那是随机指标后1的结果。它有助于用数学符号写出模型。因为MvNormal定义了向量上的分布,而不是矩阵。也许你的模型类似于X_1,...,X_n iid MvNormal(mu,I),在这种情况下你可以试试像
using Mamba
## Model Specification
model = Model(
x = Stochastic(2,
(mu, N, P) ->
UnivariateDistribution[
begin
Normal(mu[i], 1)
end
for i in 1:P, j in 1:N
],
false
),
mu = Stochastic(1,
() -> MvNormal(zeros(2), 1000.0),
true
)
)
## Data
data = Dict{Symbol, Any}(
:x => randn(2,30)+13,
:P => 2,
:N => 30
)
## Initial Values
inits = [
Dict{Symbol, Any}(
:x => data[:x],
:mu => randn(2)*1
)
]
## Sampling Scheme Assignment
scheme1 = NUTS([:mu])
setsamplers!(model, [scheme1])
sim1 = mcmc(model, data, inits, 10000, burnin=250, thin=2, chains=1);
describe(sim1)