Ajuster le processus d'estimation

Modélisation de régression bayésienne avec rstanarm

Jake Thompson

Psychometrician, ATLAS, University of Kansas

Transitions divergentes

1: There were 15 divergent transitions after warmup. Increasing adapt_delta
above 0.8 may help.
  • Pas à pas trop grands dans l'estimateur
  • Ajuster la taille du pas
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))
Modélisation de régression bayésienne avec rstanarm

Dépassement de la profondeur d'arbre maximale

Chain 1 reached the maximum tree depth
  • L'échantillon explore des branches et cherche un bon point pour « demi-tour »
  • Une profondeur d'arbre maximale signale une faible efficacité
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))
Modélisation de régression bayésienne avec rstanarm

Ajuster l'estimation

  • Les erreurs d'estimation menacent la validité du modèle
  • Même complexes, elles se corrigent facilement
Modélisation de régression bayésienne avec rstanarm

Passons à la pratique !

Modélisation de régression bayésienne avec rstanarm

Preparing Video For Download...