基于PYMC3的回归

Question

我在这里发了一本IPython笔记本，http://nbviewer.ipython.org/gist/dartdog/9008026

我研究了两个标准的Statsmodels，然后通过Pandas提供的数据与PYMC3相似，顺便说一句，这个部分工作得很好。

我不知道如何从PYMC3中获得更多的标准参数？这些例子似乎只是用OLS来绘制基本的回归线。似乎PYMC3模型数据应该能够给出回归线的参数吗？除了可能的痕迹外，什么是最高的概率线？

任何进一步解释阿尔法，贝塔和西格玛解释欢迎！

另外，如何用PYMC3模型来估计y的未来值，给出一个新的具有一定概率的x ie预测？

最后，PYMC3有一个全新的GLM包装器，我试过了，它似乎搞砸了？(很有可能是我)

Answer 1

glm子模块设置了一些默认的优先级，这很可能不适合于您的每一种情况。您可以通过使用家庭论点来改变它们，例如：

pm.glm.glm('y ~ x', data,
           family=pm.glm.families.Normal(priors={'sd': ('sigma', pm.Uniform.dist(0, 12000))}))

不幸的是，这还没有很好的文档，需要一些好的例子。