Question

所以我有以下MCMC采样器 -

import numba
import numpy as np
import scipy.stats as stats
from scipy.stats import multivariate_normal
import seaborn as sns
import pandas as pd
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt
import random
import math

def targ_dist2(x1,x2):

    target2 = (mlab.bivariate_normal(x1, x2, 1.0, 1.0, -6, -6, 0.9) + 
mlab.bivariate_normal(x1, x2, 1.0, 1.0, 4, 4, -0.9) + 
mlab.bivariate_normal(x1, x2, 1.0, 1.0, 0.0, 0.0))/3
    return target2

nSamples = 5000
propSigma = 2      
x = np.zeros((nSamples+1,2))
xCurrent = stats.uniform.rvs(loc=-5, scale=10, size=2, random_state=None)
dims = range(2)

#INITIAL VALUES
t = 0
x[t,0] = xCurrent[0]
x[t,1] = xCurrent[1]

while t < nSamples:
    t = t + 1
    for iD in range(2):
        xStar = np.random.normal(x[t-1,iD], propSigma)
        alpha = min(1, (targ_dist2(xStar, x[t-1,iD!=dims]) / targ_dist2(x[t-
        1,iD], x[t-1,iD!=dims])))

        #ACCEPT OR REJECT
        u = random.uniform(0, 1)
        if u < alpha:
            x[t,iD] = xStar
        else:
            x[t,iD] = x[t-1,iD]

我的错误是在alpha等式中我有！=的地方。基本上我在这里我想选择＆＃34; dims＆＃34;这不等于价值＆＃34; iD＆＃34;在循环。因此，例如，如果循环正在通过值iD = 0，我想在上面的alpha等式中使用值1代替iD！= dims（如果这有意义）。有没有一般的方法这样做？我希望将这个算法扩展到多个维度......

Answer 1

你所拥有的并不是很有意义，因为你正在将一个范围与一个值进行比较。 iD是import json def jsonparse(): user_path= input("Please enter a path name:") with open(user_path) as f: for line in f: with open(line) as x: jObject = json.loads(x) print jObject，但是dims是int，因此比较它们并不是真的有意义。

也许这样的事情会更好

range

然后将您的违规行更改为：

def get_opposite(iD, dims):
    for x in dims:
        if x != iD: #Beware here for multi dimentional extension
            return x

Answer 2

不确定我得到了你想要的东西，但是如果只打印iD的相反值，如果它是range(2)，那么1和0：

for i in range(2):
  print("i value: ", i)
  print("opposite:" ,1- i)

如何从python

2 个答案: