无法在pystan中实现pmf模型

时间:2016-02-10 12:23:27

标签: python stan

我是斯坦和机器学习的新手。现在我想实现pmf模型。这是我的代码的一部分:

pmf_cod="""
data {

int<lower=0> K; //number of factors
int<lower=0> N; //number of user
int<lower=0> M; //number of item
int<lower=0> D; //number of observation
int<lower=0> D_new; //number of pridictor 
int<lower=0, upper=N> ii[D]; //item 
int<lower=0, upper=M> jj[D]; //user
int<lower=0, upper=N> ii_new[D_new]; // item
int<lower=0, upper=N> jj_new[D_new]; // user
real<lower=0, upper=5> r[D]; //rating
real<lower=0, upper=5> r_new[D_new]; //pridict rating

}

parameters {
row_vector[K] i[M]; // item profile
row_vector[K] u[N]; // user profile
real<lower=0> alpha;
real<lower=0> alpha_i;
real<lower=0> alpha_u;

}

transformed parameters {
matrix[N,M] I; // indicator variable
I <- rep_matrix(0, N, M);
for (d in 1:D){
    I[ii[d]][jj[d]] <- 1;
}
}

model {
for (d in 1:D){
    r[d] ~ normal(sum(u[jj[d]]' * i[ii[d]]), 1/alpha);
}

for (n in 1: N){
    u[n] ~ normal(0,(1/alpha_u) * I);
}
for (m in 1:M){
    i[m] ~ normal(0,(1/alpha_i) * I);
}
}
"""

但是我在这行代码中遇到了错误:No matches for: row vector ~ normal(int, matrix)

for (n in 1: N){
    u[n] ~ normal(0,(1/alpha_u) * I);
}

I是单位矩阵。所以(1/alpha_u) * I的乘积也是一个矩阵。但斯坦只接受矢量或实际值作为方差。我想知道如何将其转换为矢量或单个值。

提前谢谢!

1 个答案:

答案 0 :(得分:1)

看起来好像您打算使用多变量正常密度,在这种情况下,您要查找的函数是multi_normal而不是normal。但是,multi_normal函数需要一个均值向量作为其第一个参数,因此您需要将其称为 u[n] ~ multi_normal(rep_vector(0, K), (1/alpha_u) * I); 此外,如果应在I块中创建transformed parameters块,则无需在transformed data块中创建multi_normal

所有这一切,当方差 - 协方差矩阵是对角线时,你不应该在Stan中使用 u[n] ~ normal(0, 1 / alpha_u); 密度。在这个假设下,多变量正态分布因子成为单变量正态分布的乘积,因此你最好做得更好 $TERM