Python 使用dirichlet先验从pyMC3中绘制分类向量

我想画一个分类向量，它的先验是Dirichlet分布的乘积。类别是固定的，类别向量中的每个元素对应一个不同的Dirichlet先验。这是一个长度为33的分类向量，包含4个类别，使用Previor和Dirichlet设置

将pymc3导入为pm
将pm.Model（）作为model3：
θ=pm.Dirichlet（name='theta'，a=np.one（（33,4）），shape=（33,4））
seq=[pm.category（name='seq_{}'。格式（str（i）），p=theta[i，：]，shape=（1，））表示范围（33）]
step1=pm.Metropolis（vars=[theta]）
步骤2=[pm.CategoricalGibbsMetropolis（vars=[i]）表示序列中的i]
trace=pm.sample（50，步骤=[step1]+[step2中i代表i]）

---

然而，这种方法很麻烦，因为我必须做一些数组索引才能得到分类向量。有更好的方法吗？

您不需要指定形状。请注意，您设置它的方式有33个不同的分类变量；我想这是你的本意。以下是更简单的方法：

with pm.Model() as model: 
    theta = pm.Dirichlet(name='theta',a=np.ones(4)) 
    children = [pm.Categorical(f"seq_{i}", p=theta) for i in range(33)] 

---

您不需要指定形状。请注意，您设置它的方式有33个不同的分类变量；我想这是你的本意。以下是更简单的方法：

with pm.Model() as model: 
    theta = pm.Dirichlet(name='theta',a=np.ones(4)) 
    children = [pm.Categorical(f"seq_{i}", p=theta) for i in range(33)] 

---

这可能也值得发布。虽然有些开发人员（比如@colcarroll）经常这样做，但更多的开发人员遵循这一论述。这可能也值得发布。虽然有些开发人员（比如@colcarroll）经常这样做，但更多的开发人员遵循这篇文章。我意识到这篇文章是很久以前写的，但这个问题是我用来尝试解决它的资源之一；我找不到很多这样的例子，我意识到这篇文章是很久以前写的，但这个问题是我用来尝试解决它的资源之一；我找不到很多这样的例子