Question

我使用包rjags在R中执行MCMC，我想保存函数jags.model的输出，以便以后在另一个R会话中使用。

以下是正态分布均值的简单示例：

library(rjags)
N <- 1000
x <- rnorm(N, 0, 5)
model.str <- 'model {for (i in 1:N) {
  x[i] ~ dnorm(mu, 5)}
  mu ~ dnorm(0, .0001)}'
jags <- jags.model(textConnection(model.str), data = list(x = x, N = N))
update(jags, 1000)

我可以像这样生成mu的样本：

coda.samples(model=jags,n.iter=1,variable.names="mu")

# [[1]]
# Markov Chain Monte Carlo (MCMC) output:
# Start = 2001 
# End = 2001 
# Thinning interval = 1 
#             mu
# [1,] 0.2312028
# 
# attr(,"class")
# [1] "mcmc.list"

现在我想保存模型对象jags以便以后在新的R会话中使用，这样我就不必再次在马尔可夫链中进行初始化和刻录：

save(file="/tmp/jags.Rdata", list="jags")
quit()

但是，在启动新的R会话并重新加载模型后，我收到一条错误消息，指出必须重新编译JAGS模型：

load("/tmp/jags.Rdata")
coda.samples(model=jags,n.iter=1,variable.names="mu")
# Error in model$iter() : JAGS model must be recompiled

为什么？ 如何将对象jags保存在R中供以后使用？

注意：问题已被提出before，但OP对此问题并不十分具体。

Answer 1

也许我完全偏离了你真正想要做的事情，但我会建立一个像这样的jags模型，使用R2jags而不是rjags（就像一个不同的包装器）：

library(R2jags)
N <- 1000
x <- rnorm(N, 0, 5)

sink("test.txt")
cat("
    model{
        for (i in 1:N) {
            x[i] ~ dnorm(mu, 5)
        }
            mu ~ dnorm(0, .0001)
    }
    ",fill = TRUE)
sink()

inits <- function() {
    list(
        mu = dnorm(1, 0, 0.01))
}
params <- c("mu")
chains <- 3
iter <- 1000

jags1 <- jags(model.file = "test.txt", data = list(x = x, N = N),
              parameters.to.save = params, inits = inits,
              n.chains = chains, n.iter = iter, n.burnin=floor(iter/2),
              n.thin = ifelse(floor(iter/100) < 1, 1, floor(iter/100)))
jags2 <- update(jags1, 10000)
jags2
plot(jags2)
traceplot(jags2)
jags2.mcmc <- as.mcmc(jags2)

结果没有区别，我喜欢这个程序，因为它比我使用winbugs的方式更多，所以...

最后一行代码将jags2-object转换为mcmc-list，可以通过包coda来处理。

祝你好运！

P.S。这是第二个答案：

再看一下你的代码之后，加载缺少的jags-object以获得你想要的行为后唯一的事情就是：

jags$recompile()
coda.samples(model=jags,n.iter=1,variable.names="mu")

但是如果你真的只想使用已经获得的后验样本，或者只是想更新链以进行更多迭代，你也可以使用R2jags程序。

如何在R中保存JAGS模型对象？

1 个答案: