pymc.DEMetropolisZ

class pymc.DEMetropolisZ(*args, **kwargs)

自适应差分进化大都会采样步骤，利用过去的信息来指导跳跃。

参数:

lamb: float

DE 提议机制的 Lambda 参数。默认值为 2.38 / sqrt(2 * ndim)。

vars: list

采样器变量列表

S: 标准差或协方差矩阵

一些方差措施来参数化提议分布

proposal_dist: 函数

当使用 S（和 n）参数化时，返回零均值偏差的函数。默认为 NormalProposal(S)。

缩放：标量或数组

epsilon 的初始比例因子。默认为 0.001

tune: str

要调整的超参数。默认为 ‘scaling’，但也可以是 ‘lambda’ 或 None。

tune_interval: int

调优的频率。默认值为100次迭代。

tune_drop_fraction: float

在调优结束时，将从采样器的历史记录中移除的调优步骤的比例。默认为0.9 - 保留最后10%的调优步骤以确保良好的混合，同时移除90%可能未收敛的调优位置。

模型: PyMC 模型

采样步骤的可选模型。默认为 None（从上下文中获取）。

mode: 字符串或 `Mode` 实例。

传递给 PyTensor 函数的编译模式

参考文献

[Braak2008]

Cajo C.F. ter Braak (2008). 带有snooker更新器和较少链的差分进化马尔可夫链。统计与计算 链接

方法

DEMetropolisZ.__init__([vars, S, ...])	参数:
DEMetropolisZ.astep(q0)	在展开并连接的参数空间中执行单一样本步骤。
DEMetropolisZ.competence(var, has_grad)
DEMetropolisZ.reset_tuning()	将调整后的采样器参数和历史记录重置为其初始值。
DEMetropolisZ.step(point)	执行采样器的一个步骤。
DEMetropolisZ.stop_tuning()	在调优阶段结束时，此方法会移除历史记录的前 x%，以确保未来的建议不会受到未收敛的调优迭代的影响。

属性

default_blocked
name
stats_dtypes	包含 <=1 个字典的列表，该字典将统计名称映射到数据类型。
stats_dtypes_shapes	将统计名称映射到数据类型和形状。
vars	分配给步骤方法的变量。