问题标签 [emcee]

我最近pymc3在专门使用emcee多年后开始学习，但遇到了一些概念问题。

我正在练习Hogg's Fitting a model to data 的第 7 章。这涉及到具有任意二维不确定性的直线的 mcmc 拟合。我在 中很容易做到这一点emcee，但pymc给我带来了一些问题。

它本质上归结为使用多元高斯似然。

这是我到目前为止所拥有的。

这会引发错误：LinAlgError: Last 2 dimensions of the array must be square

所以我试图传递MvNormalx 和 y ( mus) 的测量值及其相关的测量不确定性 (y_err和x_err)。但它似乎不喜欢 2dtau参数。

有任何想法吗？这必须是可能的

谢谢

我在 Windows 桌面上以多线程模式运行 python Emcee MCMC 代码时遇到问题。它在一个线程上运行良好，并在我的 Mac OSX 笔记本电脑上以单线程或多线程模式运行。这是简单的示例代码（取自 Emcee 网站示例）。

如果我设置threads=1，它在两台机器上都运行良好，运行大约需要5秒。如果我设置线程= 2，它在 Mac 上运行良好，但在 Windows 机器上挂起。笔记本中没有记录任何错误，但在命令提示符窗口中，我看到错误消息杂乱无章，好像两个进程正在尝试同时写入错误消息。我似乎无法从窗口复制和粘贴它们，但它们最终得到：

在两台机器上，我都在 Jupyter 笔记本中运行它。我检查了我是否有更新版本的 emcee、conda 和 anaconda。关于我为什么遇到麻烦的任何想法？

我正在尝试使用 MCMC 将曲线拟合到一些数据。

由于我的特定问题的性质，偶尔（运行代码的 1/5 次）会遇到一些奇点，代码会引发 RuntimeWarning 并继续给出错误的答案。

这基本上会发生，因为我正在记录高斯，并且建议的平均值之一等于数据点之一。

我想重试运行代码，可能使用 try 和 except，直到这些运行时警告不发生。谢谢！

编辑：在@sgDysregulation 发表评论后，我尝试过：

我尝试使用“pass”和“continue”语句，将“break”放在while循环和“try”中。还尝试了“RuntimeWarning”而不是“Exception”。

上面代码段的输出未显示检测到任何警告。

我有两个数组（pdf_#），每个数组都包含一个参数的概率（val_#）。我如何从这些分布中采样以创建联合后验分布（即像这里的角图）？对于司仪，看起来我只能传递要从中采样的函数，而不是数组。

这是我所拥有的：

（实际上，pdf 的采样更精细，总和为 1）

我想在pdf之后生成N个样本（x，y来自val_1，val_2）。

我是 python 的初学者，正在学习使用 MCMC 采样方法，使用 python 的 emcee 包。作为初学者练习，我想对 Maxwell-Boltzmann 分布进行采样。我有一个示例代码，它对高斯进行采样，通过下面的函数定义；

我将如何以相同的方式表达 Boltzmann 分布？

我正在尝试向自己介绍 MCMC 与 emcee 的采样。我想使用 github 上的一组示例代码，https://github.com/dfm/emcee/blob/master/examples/quickstart.py从 Maxwell Boltzmann 分布中简单地获取一个样本。

示例代码非常出色，但是当我将分布从高斯分布更改为麦克斯韦分布时，我收到错误，TypeError: lnprob() 恰好需要 2 个参数（给定 3 个）

但是，在没有给出适当参数的任何地方都不会调用它？需要一些关于如何定义麦克斯韦曲线并使其适合此示例代码的指导。

这就是我所拥有的；

谢谢

首先：为缺乏代码和相当模糊的描述道歉；我使用的代码有 1000 多行，我不确定它的哪些部分对发布有帮助。

我正在使用 emcee 进行一些贝叶斯参数估计。我的代码使用 50 个 walker，每个都进行 600 次迭代（没有细化），但无论出于何种原因，walker 链似乎收敛得相当快。虽然我启动了 50 个随机分布在 -1 和 1 之间的步行者，但它们并没有探索整个参数空间，但似乎很快收敛（通常围绕真实参数值）。图片如下：

实际参数值为 .6 和 .4

实际参数值为-1。和 1。

任何建议都非常感谢！

我有一个带有三个参数的函数a，b并且c我想为每个参数定义不同的先验。我正在使用该emcee软件包。

我先从简单的制服（非信息性）开始：

我希望每个参数都有一个不同的先验。例如，a我想有一个 Normal(mu,sigma) 先验，而对于b制服和cJeffreys 先验(1/c)。到目前为止，我得出以下结论：

据我了解，我必须将所有概率加在一起来定义总数（的返回值lnprior）。所以让我们从 Normal on 开始a：

log_Pr(a) = np.log( 1.0 / (np.sqrt(2*np.pi)*sigma) ) - 0.5*(a - mu)**2/sigma**2;

然后是先验c：

log_Pr(c) = -log(c).

因此，总对数先验应该是：Pr(a)+Pr(c)。我的问题，这种方法正确吗？

谢谢

我通过以下方式指定我的先验不是负面的：

然后我按照 司仪网页上的食谱进行操作：

我不会以任何方式改变（至少在不知情mu的情况下） lnlike......

然后当我使用 生成角图fig = corner.corner(samples, labels=["$\sigma$", "$\mu$",'$c$'],color=sns.xkcd_rgb["amber"])时，其中角是角，我仍然得到几个落在下两个象限的点。为什么是这样 ？

这是我定义 lnlike 的方式：

我有以下关于约束参数的代码。运行代码时出现此错误：

samples[:, 2] = np.exp(samples[:, 2]) IndexError: index 2 is out of bounds for axis 1 with size 2

任何帮助请，我应该如何解决这个错误？感谢您的帮助和关注 import numpy as np import emcee import matplotlib.pyplot as plt from math import * import numpy as np from scipy.integrate import quad from scipy.integrate import odeint