PYMC3 季节性变量

Posted 2023-02-19

【中文标题】PYMC3 季节性变量

【英文标题】：PYMC3 Seasonal Variables

【发布时间】：2018-01-30 02:24:43

【问题描述】：

我对 PYMC3 比较陌生，我正在尝试实现没有回归量的贝叶斯结构时间序列 (BSTS)，例如 R 中拟合 here 的模型。模型如下：

我可以使用 GaussianRandomWalk 实现局部线性趋势，如下所示：

delta = pymc3.GaussianRandomWalk('delta',mu=0,sd=1,shape=99)
mu = pymc3.GaussianRandomWalk('mu',mu=delta,sd=1,shape=100)

但是，我不知道如何在 PYMC3 中编码季节性变量 (tau)。我需要滚动自定义随机游走课程还是有其他技巧？

【参考方案1】：

你可以使用

w = pm.Normal('w', sd=sigma_tau, shape=S)
tau = w - tt.concatenate([[0.], w.cumsum()[:-1]])

根据数据，将cumsum 用于其他随机游走可能会更快，这通常会避免后验中的相关性，从而使采样器的工作更轻松。

【讨论】：

我不太清楚为什么这会给出正确形式的 tau，你能详细说明一下吗？无论如何，这会产生尺寸不匹配。如果我取 S = 12，则 tau 是 12 维向量，而 mu 是 100 维。这使我无法形成 y=pm.Normal('y',mu=mu+tau,sd=sigma_y,observed=y_train)。另外，我猜当您说步行的cumsum技巧时，您的意思是 u=pm.Normal('u',sd=sigma_delta) 和 delta=u+tt.concatenate([[0.],u.cumsum()[: -1]])？

我愿意接受您的回复，以便您获得声誉，但我不能不澄清有关张量形状和形成 y 的说明（请参阅之前的评论）。