在 pymc 中定义先验和边缘化先验

Question

我正在阅读关于 Monte Carlo Markov Chain process 和 pymc 库的教程。我也是一个使用 pymc 的新手，并尝试建立自己的 MCMC 流程。我遇到了几个在 pymc 教程中找不到正确答案的问题： 第一：我们如何用 pymc 定义先验，然后在链过程中边缘化先验？

我的第二个问题是关于Dirichlet分布，这个分布与MCMC中的先验信息有什么关系，应该如何定义？

Answer 1

我建议遵循 PyMC 用户指南。它明确地向您展示了如何指定您的模型（包括先验）。使用 MCMC，您最终会获得所有后验值的边缘，因此您不需要知道如何边缘化先验。

Dirichlet 通常用作贝叶斯模型中多项概率的先验。 Dirichlet 参数的值可用于对先验信息进行编码，通常根据与多项式的每个元素相对应的先验事件的概念数量。例如，以一向量作为参数的狄利克雷只是多项式量之前的 Beta(1,1) 的推广。