主要内容

sampleroptions

创建马尔可夫链蒙特卡罗(密度)取样器选项

所有的页面崩溃

语法

选择= sampleroptions
选项= sampleroptions(名称、值)

描述

例子

选项= sampleroptions创建一个取样器选项结构密度采样器的默认选项用来画一个贝叶斯后验分布的线性回归模型与一个定制的联合先验分布(customblm模型对象)。

例子

选项= sampleroptions (名称,值)使用指定的一个或多个额外的选项名称,值对参数。例如,取样器,hmc’,‘StepSizeTuningMethod’,‘没有’指定的取样后用哈密顿蒙特卡罗采样器和步长优化方法。

例子

全部折叠

打开生活的脚本

假设你计划来估计,模拟或预测的贝叶斯线性回归模型自定义联合先验分布。在这种情况下,MATLAB®度假村为后模拟和估计获得。你可以选择使用取样器的取样器和优化其参数选择结构。

创建一个默认的取样器选择结构。

选择= sampleroptions
选择=结构体字段:取样器:“切片”宽度:[]

选项指定了片取样器,其典型的宽度是空的。一个空的宽度表示使用的默认宽度后取样。

指定一个典型的宽度10片取样器。

选项。宽度= 10
选择=结构体字段:取样器:“切片”宽度:10

实现片抽样样本的宽度10后估计,创建一个customblm结构模型,然后指定取样器选项选项通过使用“选项”名称-值对的观点估计,模拟,或预测。

指定一个不同密度取样器,创建一个新的采样器结构的选择。

打开生活的脚本

假设你计划来估计,模拟或预测的贝叶斯线性回归模型自定义联合先验分布,你想实现哈密顿蒙特卡罗(HMC)取样器。

创建一个指定的取样器选项结构使用HMC取样器取样。指定一个冗长的1。

选择= sampleroptions (的取样器,hmc的,“VerbosityLevel”,1)
选择=结构体字段:取样器:HMC StepSizeTuningMethod:“dual-averaging”MassVectorTuningMethod:“iterative-sampling”NumStepSizeTuningIterations: 100 TargetAcceptanceRatio: 0.6500 NumStepsLimit: 2000 VerbosityLevel: 1 NumPrint: 100

选项是一个结构数组,列表的字段显示在命令行中。字段是取样器的调优参数。所有值的默认值是HMC取样器,除了VerbosityLevel。

您还可以调整字段值在命令行通过使用点符号。例如,更改目标接受比率为0.75。

选项。TargetAcceptanceRatio = 0.75
选择=结构体字段:取样器:HMC StepSizeTuningMethod:“dual-averaging”MassVectorTuningMethod:“iterative-sampling”NumStepSizeTuningIterations: 100 TargetAcceptanceRatio: 0.7500 NumStepsLimit: 2000 VerbosityLevel: 1 NumPrint: 100

要实现HMC取样器,创建一个customblm结构模型,然后指定取样器选项选项通过使用“选项”名称-值对的观点估计,模拟,或预测。

输入参数

全部折叠

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:取样器,hmc’,‘VerbosityLevel’, 1指定HMC取样器和显示在仿真步长优化的细节。

选择采样器

全部折叠

密度取样器,指定为逗号分隔组成的的取样器在这个表和一个值。

价值 描述
“切” 片取样器
“大都市” 随机漫步都市取样器
hmc的 哈密顿蒙特卡罗(HMC)取样器

例子:取样器,hmc的

数据类型:字符|字符串

片取样器选项

全部折叠

典型的采样间隔宽度约片的当前值的边际分布取样器,指定为逗号分隔组成的“宽度”和积极的数字标量或(拦截+numPredictors+1)1数值向量积极的价值观。numPredictors是预测变量的数量(列预测数据),然后呢拦截是1当模型包含一个拦截0否则。的第一个元素宽度对应于模型拦截,如果一个模型中存在。接下来的订单numPredictors元素对应订单的预测变量预测数据。最后一个元素对应于模型的方差。

  • 如果宽度是一个标量,那么MATLAB®适用于宽度对所有拦截+numPredictors+1边际分布。

  • 如果宽度MATLAB是一个数值向量,然后第一个元素适用于拦截(如果存在的话),下一个呢numPredictors元素相对应的回归系数的预测变量X和最后一个元素干扰方差。

  • 如果样本容量(行数的预测数据)小于One hundred.,然后宽度是10默认情况下。

  • 如果样本容量至少是100,然后,在默认情况下,MATLAB集宽度相应的向量后标准差,假设之前扩散模型(diffuseblm)。

MATLAB分派宽度到slicesample函数。更多细节,请参阅slicesample。

提示

典型的片取样器的宽度不影响收敛的样本密度。但是,它确实影响所需的数量评估函数,也就是说,该算法的效率。如果宽度太小,算法可以实现过多的功能评估,以确定适当的采样宽度。如果宽度太大,那么该算法可能要宽度减少到一个适当的大小,需要评估函数。

例子:的“宽度”,(100 * (3,1);10]

随机漫步都市取样器选项

全部折叠

建议分布,指定为逗号分隔组成的“分布”在这个表和一个值。

价值 描述
“mvn” 多元正态分布。调整取样器,指定使用的协方差矩阵“ScaleMatrix”名称-值对的论点。
“测试” 多元t分布。调整取样器,指定其协方差矩阵或自由度(或两者)使用“ScaleMatrix”或“DegreeOfFreedom”名称-值对的论点,分别。

例子:“分布”、“测试”

数据类型:字符串|字符

建议分布矩阵规模,指定为逗号分隔组成的“ScaleMatrix”和一个(拦截+ numPredictors + 1)——- - - - - -(拦截+ numPredictors + 1)对称、正定、数字矩阵。行和列的含义,明白了“宽度”。

默认情况下,ScaleMatrix是后回归系数的协方差矩阵(β)和模型方差(Sigma2)假设扩散模型。

例子:“ScaleMatrix”,眼睛(拦截+ numPredictors + 1)

数据类型:双

建议分布的自由度,指定为逗号分隔组成的“DegreeOfFreedom”和积极的标量。如果“分布”是“mvn”,然后sampleroptions忽略了DegreeOfFreedom。

例子:“DegreeOfFreedom”, 3

数据类型:双

HMC取样器选项

全部折叠

调整步长方法,指定为逗号分隔组成的“StepSizeTuningMethod”和“dual-averaging”或“没有”。更多细节,请参阅“StepSizeTuningMethod”。

例子:“StepSizeTuningMethod”、“没有”

数据类型:字符

调优质量向量的方法,指定为逗号分隔组成的“MassVectorTuningMethod”和“iterative-sampling”,“海赛”,或“没有”。更多细节,请参阅“MassVectorTuningMethod”。

例子:“MassVectorTuningMethod”、“海赛”

数据类型:字符

调整步长迭代次数,指定为逗号分隔组成的“NumStepSizeTuningIterations”和一个正整数。更多细节,请参阅“NumStepSizeTuningIterations”。

例子:“NumStepSizeTuningIterations”, 200年

数据类型:单|双

接受率目标,指定为逗号分隔组成的“TargetAcceptanceRatio”和一个标量0通过1。更多细节,请参阅“TargetAcceptanceRatio”。

例子:“TargetAcceptanceRatio”, 0.5

数据类型:单|双

最大数量的跳过步骤,指定为逗号分隔组成的“NumStepsLimit”和一个正整数。更多细节,请参阅“NumStepsLimit”。

例子:“NumStepsLimit”, 5000年

数据类型:单|双

冗长的命令窗口输出,指定为逗号分隔组成的“VerbosityLevel”和一个非负整数。更多细节,请参阅“VerbosityLevel”。

例子:“VerbosityLevel”, 1

数据类型:单|双

详细输出频率,指定为逗号分隔组成的“NumPrint”和一个正整数。更多细节,请参阅“NumPrint”。

例子:“NumPrint”, 10

数据类型:单|双

输出参数

全部折叠

取样器的选择定制的先验分布的贝叶斯线性回归模型,作为一个结构数组返回。创建一个取样器选项结构后,您可以调整调优参数值,除了取样器,通过使用点符号。

版本历史

介绍了R2017b

另请参阅

||

主题