代码之家 › 专栏 › 技术社区 › Willian Fuks

不可观察组件:如何设置参数更新的边界?

statsmodels python

Willian Fuks · 技术社区 · 7 年前

当安装一个 UnobservedComponents 模型,是否可以为状态参数的最终值设置上限?

我们想模拟一种贝叶斯方法来选择状态的先验分布,并将最终值设置为初始值的20%的上边界(这样,如果我们选择局部水平的先验值为0.1,则最终值最多为0.12)。

背后的动机来自于我们从R移植到Python的一个算法。当我们在给定的测试数据上拟合一个局部水平模型时,最终状态sigma最终约为0.3;在R中,存在上边界假设,因此最终结果为0.12,这会产生相当不同的置信区间。我们现在正试图在statsmodels中模拟相同的行为。

通过研究代码,我们找到了方法 transform_params 它似乎能够在初始状态引入边界,但我们不确定如何使用它来设置20%的上限(或者它是否是正确的方法)。

1 回复 | 直到 7 年前

Willian Fuks 7 年前

刚刚找到了一个非常简单和精确的解决方案:我们可以使用输入参数 bounds 它已经限制了拟合算法搜索最优值的边界。

下面是一个例子,以防有人需要这样做:

model = UnobservedComponents(data, level='choose level', exog=more data)
bounds = [(None, None) for _ in range(len(model.param_names))]

如果要为级别优化设置下边界0.1和上边界0.12,并且它对应于 model.param_names ,可以这样做:

bounds[1] = (0.1, 0.12)

那就运行 fit 命令:

model.fit(bounds=bounds)

记住这些价值观 界限 对应于 标准差 而不是它的方差。

它就像一个符咒:)

推荐文章

Giampaolo Levorato · 将statsmodels summary()导出到.png

1 年前

Bill · Statsmodel的ARIMA拟合方法估计的“u”参数是什么?

1 年前

clupti · python中具有mu和alpha的负二项的CDF

1 年前

Literalomicus · 确定性时间序列返回断言错误?

2 年前

user · 如何使用stats.models将数据转换为混合效应模型的偏斜正态分布?

2 年前

Mainland · Python StatsModels:ValueError:预期频率D.得到M

2 年前

data science · 使用AutoReg命令进行预测

2 年前

Satish Chaudhary · Statsmodels ARIMA(0,1,2)结果不同于Stata ARIMA(0,1,2)

2 年前

JCV · 为什么curve_fit和OLS给出不同的R2?

2 年前