pymc.sample_posterior_predictive_w#
- pymc.sample_posterior_predictive_w(traces, samples=None, models=None, weights=None, random_seed=None, progressbar=True, return_inferencedata=True, idata_kwargs=None)[源代码]#
根据一组权重，从模型列表和轨迹列表生成加权后验预测样本。
- 参数:
- tracespython:list 或 python:list of lists
从MCMC采样生成的轨迹列表（xarray.Dataset、arviz.InferenceData或MultiTrace），或包含find_MAP()或点生成的字典的列表。轨迹的数量应等于权重的数量。
- 样本 :
int, 可选python:int, 可选 要生成的后验预测样本数量。默认为 traces 中较短的 trace 的长度。
- 模型 :
list的Modelpython:Model 列表 用于生成轨迹列表的模型列表。模型的数量应等于权重的数量，并且所有模型中观察到的随机变量的数量应相同。默认情况下，将从
with上下文中推断出一个模型，在这种情况下，只有当所有模型对观察到的随机变量共享相同的分布时，结果才有意义。- weights : array_like, 可选numpy:array_like, 可选
每个跟踪的单独权重。默认情况下，每个模型的权重相同。
- random_seedpython:int, RandomState 或 Generator, 可选
随机数生成器的种子。
- progressbar : 布尔值, 可选 默认
Truebool, 可选 默认 python:True 是否在命令行中显示进度条。进度条显示完成百分比、每秒采样速度（SPS）以及预计的剩余时间直至完成（”预计到达时间”；ETA）。
- return_inferencedata : 布尔值布尔
是否返回一个
arviz.InferenceData(True) 对象或一个字典 (False)。默认为 True。- idata_kwargs :
dict, 可选python:dict, 可选 用于
pymc.to_inference_data()的关键字参数
- 返回:
arviz.InferenceDataorDict一个包含加权模型后验预测样本的 ArviZ
InferenceData对象（默认），或一个以变量名为键、样本为 numpy 数组的字典。