Question

我试图用STAN估计多元正态分布的均值和协方差矩阵。我首先导入pystan并生成数据。我基本上是尝试遵循Python的官方YouTube tutorial。

import pystan as ps
import numpy as np
data = np.random.multivariate_normal(mean=[0.7, 0], cov=[[1,1], [1,2]], size=200)

然后我指定我的模型。我的数据形状为（200,2）。由于我具有多元分布，因此均值必须是向量，协方差必须是矩阵。

model =
"""
data 
{
    int N; // Number of data points.
    vector[2] X[N]; // Values.
}
parameters
{
   vector[2] mu; // Mean
   matrix[2,2] sigma; // Covariance matrix.
}
model 
{
   X ~ multi_normal(mu, sigma); 
}                                      
"""

然后我将数据放入字典中，如YouTube上的STAN教程所示

my_data = {"N": 200, "X": data}
sm = ps.StanModel(model_code = model)

模型编译没有问题。但是，当我尝试拟合模型时，会出现运行时错误。

fit = sm.sampling(data=my_data, iter=1000, chains=4)

导致

/usr/lib/python3.6/multiprocessing/pool.py in get(self, timeout)
    642             return self._value
    643         else:
--> 644             raise self._value
    645 
    646     def _set(self, i, obj):

RuntimeError: Initialization failed.

我不确定是什么原因导致此错误，因为我的代码只是本教程中代码的略微抽象。

Answer 1

我自己找到了答案。在第二段代码中，我们需要将matrix[2,2]替换为cov_matrix[2]。

 matrix[2,2] sigma; // Covariance matrix.

然后成为

cov_matrix[2] sigma; // Covariance matrix.

显然，STAN具有用于正定，对称矩阵的特殊数据类型，例如协方差矩阵。这种简单的替换使代码运行时不会抛出错误。

STAN RuntimeError：初始化失败

1 个答案: