Байесовский анализ в сочетании с анализом чувствительности - PullRequest
Новая
       34

Байесовский анализ в сочетании с анализом чувствительности

0 голосов
/ 04 июня 2019

Я пытаюсь подготовить анализ чувствительности к моему байесовскому анализу, выполненному в Пистане.Для анализа чувствительности я думаю об использовании Pystran или SALib.

Моя байесовская работа здесь.

from SALib.sample import saltelli
from SALib.analyze import morris
import numpy as np
from SALib.plotting.morris import horizontal_bar_plot, covariance_plot
import pystan
import matplotlib.pyplot as plt

#sns.set()  # Nice plot aesthetic
#np.random.seed(101)

model = """
data {
    int<lower=0> N;
    vector[N] x;
    vector[N] y;
}
parameters {
    real b;
    real a;
    real<lower=0> sigma;
}
model {
    y ~ normal(b*x/a + x, sigma);
}
"""
b = 0.5
a = 4.0
sigma = 0.1

# Generate and plot data
x = np.random.rand(5)
y = b*(x/(a+x))
y = np.random.normal(y, scale=sigma)

data = {'N': len(x), 'x': x, 'y': y}

# Compile the model
sm = pystan.StanModel(model_code=model)

# Train the model and generate samples
fit = sm.sampling(data=data, iter=1000, chains=4, warmup=500, thin=1, seed=101)

Итак, я получаю какой-то вывод.Как мне преобразовать это, чтобы удовлетворить анализ чувствительности SALib.

problem = {
'num_vars': 2,
'names': ['a', 'b'],
'bounds': [[-0.1, 0.1],
[-0.1, 0.1]]
}
param_values = saltelli.sample(problem, 1000)
# Run model (example)
# Perform analysis
Si = morris.analyze(problem,param_values, fit, print_to_console=True)

AttributeError: 'stanfit4anon_model_daf2269febef107b3bd9f4dd43dce80' object has no attribute 'dtype'
...