问题标签 [emcee]

我正在尝试为几种优化算法设置基准。我目前失败的一个是“MCMC Hammer”司仪。我不知道我是否没有正确设置它，或者我的情节是否无法正常工作。目标是最小化一个测试函数，例如 Rosenbrock，并根据函数调用绘制接受的函数值。我不确定，因为性能和最终结果很差，而且情节没有“毛毛虫”的样子。也许有人对司仪有一些经验，可以给我一个提示。提前致谢！

这是一些代码，前半部分是设置和绘图例程，后半部分是实际的司仪：

我正在尝试在使用 emcee 之前使用高斯，但似乎无法完全弄清楚。基本上我想更换

使用可以从具有 mu 和 sigma 的高斯分布中采样“a”的东西。我该怎么做？像这样？

但这似乎不对？

我在使用 emcee 时遇到问题。它是一个足够简单的 3 参数拟合，但偶尔（尽管使用很多，但仅在两种情况下发生）我的助行器烧得很好，但然后不动（见下图）。报告的接受分数为 0。

以前有没有其他人遇到过这个问题？我尝试改变我的初始条件以及步行者和迭代的数量等。这段代码在非常相似的数据集上运行良好。它不是一个具有挑战性的参数空间，步行者似乎不太可能“卡住”。

有任何想法吗？我被难住了...我的步行者似乎很懒惰...

下面的示例代码（和示例数据文件）。这个代码+数据文件在我运行时失败。

我emcee.EnsembleSampler用来抽样一些可能性。我在数百万个不同的数据集上执行此操作，因此性能很重要。

一旦满足自相关时间的某些收敛标准，如果能够让一个链停止采样，那就太好了。

我在文档中或通过我的搜索找不到任何这样做的方法，所以希望有人有一个食谱。

因此，对于高斯过程的参数，我有以下 MCMC 代码

代码：

函数是self.lnprob在下面的代码段中定义

代码

该代码在我的笔记本电脑（即英特尔酷睿 i5 第 7 代）上需要 30 秒。theta 数组的大小为 4，Self.Xi 的大小为 2。

在具有 64 个内核的英特尔至强 phi 处理器上，相同的代码需要 400 多秒。

另外，我注意到随着多处理池中池数量的增加，时间似乎也在增加。

有什么理由为什么在英特尔至强 phi 处理器上花费这么多时间？我能做些什么来加快它在英特尔至强 phi 处理器上的速度？

我正在使用emcee来分析一些与 SN 1a 相关的数据。在处理真实数据之前，我从模拟数据开始。我得到的结果似乎很好：

现在，我想计算一些量的后验，例如

f(q,j) = j - q^2

使用我为q和j获得的后验。谁能帮我？

我使用的是 MCMC 方法的EMCEE Python 包。当我选择500台阶和300步行者时，一切都很好，几个小时后我得到了结果和输出。但是当我在几个小时后将它们更改为更高的步骤(800)和更高的步行者(400)时，python 重新启动了 shell，没有任何输出和结果。

我在stackoverflow中阅读了关于这个问题的问题，但我不明白我应该怎么做这个问题。因为对于较低的台阶和步行者，我有答案。

我想知道内存是否有问题？与空闲？或者是什么？

谢谢

我正在使用EMCEE。我在下面写了从那里出现问题的部分。我遇到了这个错误 ValueError: lnprob returned NaN.

这个错误会中断计算，我不知道如何克服。所以，我应该做一些事情来传递这个错误，以便继续剩下的计算。

我想到的唯一事情是在lnprob函数中添加一行，例如：

但这是不正确的

代码是：

我感谢您的帮助。

我正在尝试emcee使用预定义的似然函数在 Python 中实现 MCMC 采样，以找到两个数据群之间的最佳边界。

参见emcee：http ://dfm.io/emcee/current/user/line/

似然函数计算真阳性和真阴性分类，给定一些线性边界线，并用于最小化两个值之间的差异，同时最大化它们的总和。

这样，您可以想象 TP 和 TN 比率分别为 1 将给出似然值 1，而 TP 和 TN 比率为 0 将返回似然值 0。

但是，当我尝试对边界线的m和b、梯度和偏移（或偏差）的参数空间进行采样时，我得到了一些非常大和/或非常小的步行值。

我在下面放置了一个示例代码，它生成了一些很好划分的种群，然后围绕参数值的初始猜测生成了 MCMC。我不确定为什么 MCMC 链在这里不能很好地收敛到适当的值，所以任何帮助都将不胜感激。

以下代码应该开箱即用。

初始测试数据，显示给定 xy 数据的明显边界线（由二进制类标签着色）：

样本行走，显示梯度参数（顶部）和偏移参数（底部）的奇怪采样。x 轴表示 MCMC 步行步数，y 轴表示给定步的 MCMC 参数值：

我使用 EMCEE Python 包为 MCMC 编写了以下代码

在log_prior函数中，我定义了 EMCEE 的参数范围在它们之间而不是在它们之外移动。但问题是，在结果中我看到例如od0具有类似的值，即使0.64在0.68 < od0 < 0.70我也有这个问题b。

我想知道如何强制 EMCEE 恰好在我定义的范围之间。该模型对值非常敏感，我只想在 0.68 < od0 < 0.70不大于或小于此值之间进行探索。

没有Gaussian prior代码是：