pymc.NUTS.__init__

NUTS.__init__(vars=None, max_treedepth=10, early_max_treedepth=8, **kwargs)

设置 No-U-Turn 采样器。

参数:

vars: list, default=None

值变量的列表。如果为 None，则包含模型中的所有连续随机变量。

Emax: float, 默认值为 1000

在蛙跳步骤中允许的最大能量变化。较大的偏差将中止积分。

target_accept: float, default .8

调整步长，使得轨迹间的平均接受概率接近 target_accept。target_accept 的值越高，步长越小。将此值设置为 0.9 或 0.99 等较高值，有助于从困难的后期采样。有效值介于 0 和 1 之间（不包括 0 和 1）。

step_scale: float, default 0.25

步长的尺寸，自动按 1/n**(1/4) 缩小。如果关闭了步长自适应，则使用最终的步长。如果启用了自适应，则用作初始猜测。

gamma: float, 默认值为 .05

k: float, 默认值为 0.75

步长适应的双平均参数。介于0.5和1（不包括）之间的值是可接受的。较高的值对应较慢的适应。

t0: int, 默认值为 10

双平均的参数。较高的值会减缓初始适应。

adapt_step_size: bool, default=True

是否启用步长自适应。如果禁用此功能，k、t0、gamma 和 target_accept 将被忽略。

max_treedepth: int, default=10

最大树深度。当达到此深度时，轨迹将停止。

early_max_treedepth: int, 默认值=8

在前200个调优样本期间的最大树深度。

scaling: array_like, ndim = {1,2}

逆质量，或精度矩阵。一维数组被解释为对角矩阵。如果 is_cov 设置为 True，这将被解释为质量或协方差矩阵。

is_cov: bool, 默认=False

将缩放视为质量或协方差矩阵。

potential: 潜在的，可选的

一个表示哈密顿量的对象，具有 velocity、energy 和 random 方法。它可以用来替代缩放矩阵。

模型: pymc.Model

模型

**kwargs: 传递给 BaseHMC

注释

当 self.tune 设置为 False 时，步长自适应停止。这通常通过将 pm.sample 的 tune 参数设置为所需的调优步数来实现。