Modyfikowanie procesu estymacji

Bayesowskie modelowanie regresji z rstanarm

Jake Thompson

Psychometrician, ATLAS, University of Kansas

Przejścia rozbieżne

1: There were 15 divergent transitions after warmup. Increasing adapt_delta
above 0.8 may help. 
  • Zbyt duże kroki estymatora
  • Dostosowanie rozmiaru kroku
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))
Bayesowskie modelowanie regresji z rstanarm

Przekroczenie maksymalnej głębokości drzewa

Chain 1 reached the maximum tree depth
  • Próbkowanie analizuje gałęzie w poszukiwaniu odpowiedniego miejsca do "zawrócenia"
  • Osiągnięcie maks. głębokości drzewa świadczy o niskiej wydajności
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))
Bayesowskie modelowanie regresji z rstanarm

Dostrajanie estymacji

  • Błędy estymacji zagrażają trafności modelu
  • Mimo swojej złożoności, błędy te można łatwo skorygować
Bayesowskie modelowanie regresji z rstanarm

Czas na ćwiczenia!

Bayesowskie modelowanie regresji z rstanarm

Preparing Video For Download...