推定プロセスの調整

rstanarm で学ぶベイズ回帰モデリング

Jake Thompson

Psychometrician, ATLAS, University of Kansas

発散遷移

1: ウォームアップ後に 15 件の発散遷移がありました。adapt_delta を
0.8 超に上げると改善する可能性があります。
  • 推定器のステップが大きすぎる
  • ステップサイズを調整する
stan_model <- stan_glm(popularity ~ song_age, data = songs,
  control = list(adapt_delta = 0.95))

stan_model <- stan_glm(popularity ~ song_age, data = songs,
  control = list(adapt_delta = 0.99))
rstanarm で学ぶベイズ回帰モデリング

最大ツリー深度の超過

チェーン 1 が最大ツリー深度に達しました
  • サンプラーは分岐を評価し、良い「Uターン」地点を探す
  • 最大ツリー深度到達は効率低下のサイン
stan_model <- stan_glm(popularity ~ song_age, data = songs,
  control = list(max_treedepth = 10))

stan_model <- stan_glm(popularity ~ song_age, data = songs,
  control = list(max_treedepth = 15))
rstanarm で学ぶベイズ回帰モデリング

推定のチューニング

  • 推定誤差はモデルの妥当性を脅かす
  • 複雑でも、対応は容易
rstanarm で学ぶベイズ回帰モデリング

Let's practice!

rstanarm で学ぶベイズ回帰モデリング

Preparing Video For Download...