Tag Archives: 采样

Python用PyMC3贝叶斯模型平均BMA：采样、信息准则比较和预测可视化灵长类动物的乳汁成分数据

By tecdat8月 17, 2023大数据部落BMA, PyMC3, 乳汁, 乳汁成分数据, 信息准则, 灵长类动物, 贝叶斯模型平均, 采样, 预测

当面对多个模型时，我们有多种选择。

Python用PyMC贝叶斯GLM广义线性模型、NUTS采样器拟合、后验分布可视化

By tecdat8月 15, 2023Python辅导, 大数据部落, 技术支持, 数理统计, 计算机科学CS辅导, 计算机科学与技术glm, NUTS, PyMC, 后验分布, 广义线性回归, 贝叶斯, 采样

尽管贝叶斯方法相对于频率主义方法的理论优势已经在其他地方进行了详细讨论，但其更广泛采用的主要障碍是“可用性”。

Read More

R语言LDA、CTM主题模型、rjags 吉布斯gibbs采样文本分析论文摘要、通讯社数据

By tecdat10月 19, 2022大数据部落, 数理统计, 计算机科学与技术CTM, Gibbs, LDA, rjags, 主题模型, 主题模型算法, 吉布斯, 文本分析, 论文摘要, 通讯社, 采样

主题模型允许对文档中的术语频率发生进行概率建模。

基于简化的评分卡、Smote采样和随机森林的信贷违约预测

By tecdat7月 27, 2022大数据部落, 技术支持, 数理统计, 经济, 计算机科学与技术Smote, 信贷, 信贷违约预测, 评分卡, 违约, 采样, 随机森林

随着互联网经济的迅猛发展，个人信贷规模在近年来呈现了爆炸式增长。

Python用MCMC马尔科夫链蒙特卡洛、拒绝抽样和Metropolis-Hastings采样算法

By tecdat6月 20, 2022大数据部落, 数理统计, 计算机科学与技术MCMC, Metropolis-Hastings, python，马尔可夫，, 抽样, 拒绝抽样, 蒙特卡洛, 采样, 隐马尔可夫, 隐马尔可夫模型, 隐马尔科夫模型, 马尔, 马尔可夫, 马尔可夫体制转换模型, 马尔可夫切换, 马尔可夫区制转换, 马尔可夫区制转移, 马尔可夫机制转换模型, 马尔可夫状态转换, 马尔可夫转换, 马尔可夫转换模型, 马尔可夫链, 马尔科夫, 马尔科夫机制转换模型, 马尔科夫转换, 马尔科夫链, 马氏链，马尔可夫，R语言

WeChat Tencent QQ email print 由Kaizong Ye，Liao Bao撰写 在我

Read More

R语言coda贝叶斯MCMC Metropolis-Hastings采样链分析和收敛诊断可视化

By tecdat6月 13, 2022大数据部落, 数理统计, 计算机科学与技术coda, Hastings, MCMC, Metropolis, Metropolis Hasting, Metropolis Hastings, Metropolis-Hasting, Metropolis-Hastings, 收敛, 诊断, 贝叶斯, 采样, 链分析

实现一个简单的 Metropolis-Hastings MCMC 从该模型的后验分布中采样。

R语言贝叶斯Metropolis-Hastings Gibbs 吉布斯采样器估计变点指数分布分析泊松过程车站等待时间

By tecdat5月 9, 2022大数据部落, 数理统计, 计算机科学与技术Gibbs, Metropolis, Metropolis Hastings, Metropolis-Hastings, 估计, 变点, 吉布斯, 指数分布, 泊松过程, 等待时间, 贝叶斯, 车站等待时间, 采样, 采样器

指数分布是泊松过程中事件之间时间的概率分布，因此它用于预测到下一个事件的等待时间。

R语言马尔可夫MCMC中的Metropolis Hastings，MH算法抽样（采样）法可视化实例

By tecdat4月 26, 2022大数据部落, 数理统计, 计算机科学与技术MCMC, Metropolis Hasting, Metropolis Hastings, MH, 抽样, 贝叶斯, 采样, 马尔可夫

Metropolis Hastings 算法是一种非常简单的算法，用于从难以采样的分布中生成样本。

python贝叶斯随机过程：马尔可夫链Markov-Chain，MC和Metropolis-Hastings，MH采样算法可视化

By tecdat2月 14, 2022大数据部落, 数理统计, 计算机科学与技术Markov-Chain, Metropolis-Hastings, 贝叶斯, 采样, 采样算法, 马尔, 马尔可夫, 马尔可夫链

本文，我们说明了贝叶斯学习和 计算统计一些结果。

Python贝叶斯推断Metropolis-Hastings（M-H）MCMC采样算法的实现

By tecdat2月 9, 2022大数据部落, 数理统计, 计算机科学与技术M-H, MCMC, Metropolis-Hastings, 贝叶斯, 贝叶斯推断, 采样

Metropolis-Hastings 算法对概率分布进行采样以产生一组与原始分布成比例的轨迹。

Matlab用BUGS马尔可夫区制转换Markov switching随机波动率SV模型、序列蒙特卡罗SMC、Metropolis Hastings采样分析时间序列数据

By tecdat12月 2, 2021大数据部落, 数理统计, 经济, 计算机科学与技术, 金融BUGS, Hastings, Markov, Markov switching, matlab, Metropolis, Metropolis Hastings, SMC, SV, 区制转换, 序列, 序列蒙特卡罗, 时间序列, 波动率, 蒙特卡罗, 采样, 随机波动率, 马尔可夫, 马尔可夫区制转换

在这个例子中，我们考虑马尔可夫转换随机波动率模型。

R语言RStan MCMC：NUTS采样算法用LASSO 构建贝叶斯线性回归模型分析职业声望数据

By tecdat11月 26, 2021大数据部落, 数理统计, 计算机科学与技术LASSO, MCMC, NUTS, Rstan, stan, 回归, 声望, 线性回归, 职业, 职业声望数据, 贝叶斯, 采样

如果你正在进行统计分析：想要加一些先验信息，最终你想要的是预测。

R语言Metropolis Hastings采样和贝叶斯泊松回归Poisson模型

By tecdat8月 23, 2021大数据部落, 数理统计, 计算机科学与技术Hastings, Metropolis, Poisson, 回归, 泊松, 贝叶斯, 采样

在本文中，我想向你展示如何使用R的Metropolis采样从贝叶斯Poisson回归模型中采样。

R语言贝叶斯MCMC：GLM逻辑回归、Rstan线性回归、Metropolis Hastings与Gibbs采样算法实例

By tecdat7月 28, 2021大数据部落, 数理统计, 机器学习, 计算机科学与技术Gibbs, MCMC, Metropolis Hastings, Rstan, 回归, 线性回归, 贝叶斯, 逻辑回归, 采样

在频率学派中，观察样本是随机的，而参数是固定的、未知的数量。

R语言贝叶斯推断与MCMC：实现Metropolis-Hastings 采样算法示例

By tecdat3月 22, 2021大数据部落, 数理统计, 机器学习, 计算机科学与技术MCMC, Metropolis-Hastings, 贝叶斯, 贝叶斯推断, 采样, 采样算法

任何MCMC方案的目标都是从“目标”分布产生样本。

R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化

By tecdat2月 3, 2021大数据部落, 数理统计, 机器学习, 计算机科学与技术Markov, Markov Chain, MCMC, Metropolis- Hasting, R语言, 蒙特卡洛, 贝叶斯, 采样, 马尔可夫链

如果您可以写出模型的似然函数，则 Metropolis-Hastings算法可以负责其余部分（即MCMC ）。

R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计

By tecdat1月 25, 2021大数据部落, 数理统计, 计算机科学与技术MCMC, Metropolis-Hastings, R语言, 回归, 贝叶斯, 采样

MCMC是从复杂概率模型中采样的通用技术。

使用R语言进行Metroplis-in-Gibbs采样和MCMC运行分析

By tecdat4月 19, 2020大数据部落, 数理统计, 机器学习, 计算机科学与技术Gibbs, MCMC, Metroplis, Metroplis-in-Gibbs, R语言, 采样

对于许多模型，例如逻辑模型，没有共轭先验分布。因此，吉布斯采样不适用。

R语言中的block Gibbs吉布斯采样贝叶斯多元线性回归

By tecdat3月 6, 2020大数据部落, 数理统计, 计算机科学与技术block Gibbs, Gibbs, R语言, 吉布斯采样, 回归, 多元线性回归, 贝叶斯, 采样

最近我们被客户要求撰写关于吉布斯采样的研究报告。

【视频讲解】R语言中的Stan概率编程MCMC采样的贝叶斯模型

By tecdat2月 21, 2020大数据部落, 教育学, 数理统计, 特色视频, 计算机科学与技术MCMC, Rstan, R语言, stan, 概率编程, 贝叶斯, 采样

概率编程使我们能够实现统计模型，而不必担心技术细节。

R语言实现MCMC中的Metropolis–Hastings算法与吉布斯采样

By tecdat7月 30, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术MCMC, Metropolis–Hastings, R语言, 吉布斯采样, 贝叶斯, 采样

最近我们被客户要求撰写关于采样算法的研究报告。第一步，我们创建一些测试数据，用来拟合我们的模型。