pymc.StickBreakingWeights#
- class pymc.StickBreakingWeights(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)[源代码]#
截断的Stick-breaking权重的可能性。权重由Stick-breaking过程生成，其中 \(x_k = v_k \prod_{\ell < k} (1 - v_\ell)\) 对于 \(k \in \{1, \ldots, K\}\) 且 \(x_K = \prod_{\ell = 1}^{K} (1 - v_\ell) = 1 - \sum_{\ell=1}^K x_\ell\)，其中 \(v_k \stackrel{\text{i.i.d.}}{\sim} \text{Beta}(1, \alpha)\)。
支持
\(x_k \in (0, 1)\) 对于 \(k \in \{1, \ldots, K+1\}\) 使得 \(\sum x_k = 1\)
均值
\(\mathbb{E}[x_k] = \dfrac{1}{1 + \alpha}\left(\dfrac{\alpha}{1 + \alpha}\right)^{k - 1}\) 对于 \(k \in \{1, \ldots, K\}\) 以及 \(\mathbb{E}[x_{K+1}] = \left(\dfrac{\alpha}{1 + \alpha}\right)^{K}\)
- 参数:
- alpha : 类似张量 的
floattensor_like offloat 浓度参数（alpha > 0）。
- K : 类似张量 的
intpython:int 的 tensor_like 从一个初始的一单位棍子中折断的“棍子”数量。权重向量的长度为 K + 1，其中最后一个权重是所有第一个棍子之和减一。
- alpha : 类似张量 的
参考文献
[1]Ishwaran, H., & James, L. F. (2001). 基于Gibbs抽样的分割先验方法。美国统计协会杂志, 96(453), 161-173.
[2]Müller, P., Quintana, F. A., Jara, A., & Hanson, T. (2015). 贝叶斯非参数数据分析。纽约：Springer。
方法
StickBreakingWeights.dist(alpha, K, *args, ...)创建一个与 cls 分布相对应的张量变量。