R的runjags
软件包太棒了。并行功能和使用extend.jags
函数的能力使我的生活变得更好了。然而,有时,在我运行一个模型后,我意识到烧成阶段应该更长。如何从run.jags
输出中削减额外的样本,以便重新估计参数分布并检查收敛性?
jags.object <- run.jags(model, n.chains=3, data=data, monitor =c('a','b'), sample=10000)
发布于 2016-06-24 06:48:13
不幸的是,目前在runjags中无法做到这一点,因此您必须使用底层的mcmc.list对象--如下所示:
library('coda')
mcmc.object <- as.mcmc.list(jags.object)
niter(mcmc.object)
windowed.object <- window(mcmc.object, start=10001)
summary(windowed.object)
请注意,window.mcmc的开始(和结束)参数包括刻录在阶段,所以如果在+ 10000示例中有5000个刻录,那么下面的代码给您迭代10001:15000
但是,一个用于runjags类的窗口方法将是一个好主意,希望很快就会出现这种方法!
还值得注意的是,您可以使用combine=FALSE参数和extend.jags一起删除整个第一批迭代,但这显然需要重新采样新的迭代,而不是您想要的。
同样--谢谢你对这个包的友好之词--反馈和特性建议在https://sourceforge.net/p/runjags/forum/general/上总是欢迎的:)
发布于 2016-06-24 06:14:04
如果你想从后验分布中剪掉额外的样本,你可以用mcmc.list
函数来子集lapply
。
下面的代码将剪短每个链中的前50个样本。如果您想要修剪更多的东西,您只需要将1:50
更改为其他的东西。
trimmed.posterior <- lapply(jags.object, function(df, vec){df[-vec,,drop=TRUE]}, 1:50)
https://stackoverflow.com/questions/37998391
复制相似问题