ShinyStan:贝叶斯模型交互式诊断和后验分析

简介: ShinyStan:贝叶斯模型交互式诊断和后验分析

今天介绍下 Stan 旗下的另一个 R 包:shinystan[1],该包可以对贝叶斯模型进行交互式诊断和后验分析。ShinyStan 为 MCMC 仿真提供模型参数的即时、信息丰富、可定制的视觉和数值摘要以及收敛诊断。

注意:关于贝叶斯方法的相关推文可见:贝叶斯推断R包综述Bayesplot 包:可视化贝叶斯模型学习贝叶斯统计的 R 包及配套书籍贝叶斯 RStan 包入门教程

安装

# 安装CRAN的最新版本:
install.packages("shinystan")
# 从GitHub安装开发版本:
if (!require("devtools")) {
  install.packages("devtools")
}
devtools::install_github("stan-dev/shinystan", build_vignettes = TRUE)

演示

安装完后,运行以下代码,即可得到以下界面。该 demo 是基于经典的八校数据(详细见:贝叶斯 RStan 包入门教程)。

library("shinystan")
launch_shinystan_demo()

界面包含四个部分:

  1. 诊断

  1. 估计

  1. 探索

  1. 更多

shinystan 包允许读者将整个项目的基本组件(代码、后样本、图表、表格、注释)存储在单个对象中。用户可以将许多绘图保存为 ggplot2 对象,以便进一步自定义并轻松集成到报告中或进行后处理以供发布。

shinystan 还提供了该 deploy_shinystan 功能,让您可以使用 RStudio 的 ShinyApps 服务为你的任何模型轻松在线部署自己的 ShinyStan 应用程序。读者的每个应用程序都将具有唯一的 URL,并且与 Safari、Firefox、Chrome 和大多数其他浏览器兼容。

应用

上面介绍了 demo 数据的结果,如果读者想使用自己的贝叶斯模型,则可以直接使用以下代码:

launch_shinystan(fit)

其中, fit 是读者拟合好的贝叶斯模型。

参考资料

[1]

shinystan: https://mc-stan.org/shinystan/

目录
相关文章
|
8月前
|
机器学习/深度学习
【机器学习】误差分析
【1月更文挑战第23天】【机器学习】误差分析
|
机器学习/深度学习 数据采集 算法
机器学习-模型拟合:如何使用逻辑回归精准预测临床诊断结果?
本文旨在介绍逻辑回归模型在临床诊断结果预测中的应用,并探讨相关需求和挑战。首先,将详细介绍逻辑回归模型的原理和特点,以及其在机器学习中的地位和应用范围。接着,将阐述临床诊断结果预测的重要性和现实需求,以及逻辑回归模型如何满足这些需求。
514 0
|
8月前
|
机器学习/深度学习 人工智能
【机器学习】有哪些指标,可以检查回归模型是否良好地拟合了数据?
【5月更文挑战第16天】【机器学习】有哪些指标,可以检查回归模型是否良好地拟合了数据?
|
8月前
|
机器学习/深度学习 数据可视化
数据分享|R语言逻辑回归Logisitc逐步回归训练与验证样本估计分析心脏病数据参数可视化
数据分享|R语言逻辑回归Logisitc逐步回归训练与验证样本估计分析心脏病数据参数可视化
|
8月前
|
机器学习/深度学习 算法 搜索推荐
【视频】决策树模型原理和R语言预测心脏病实例|数据分享(上)
【视频】决策树模型原理和R语言预测心脏病实例|数据分享
|
8月前
|
存储 资源调度 数据可视化
R语言STAN贝叶斯线性回归模型分析气候变化影响北半球海冰范围和可视化检查模型收敛性
R语言STAN贝叶斯线性回归模型分析气候变化影响北半球海冰范围和可视化检查模型收敛性
|
8月前
|
机器学习/深度学习 数据可视化 知识图谱
R语言中回归和分类模型选择的性能指标
R语言中回归和分类模型选择的性能指标
|
8月前
|
数据可视化
R语言KNN模型分类信贷用户信用等级数据参数调优和预测可视化|数据分享
R语言KNN模型分类信贷用户信用等级数据参数调优和预测可视化|数据分享
|
8月前
|
数据可视化
R语言汇率、股价指数与GARCH模型分析:格兰杰因果检验、脉冲响应与预测可视化
R语言汇率、股价指数与GARCH模型分析:格兰杰因果检验、脉冲响应与预测可视化
|
8月前
|
机器学习/深度学习 算法 数据挖掘
【视频】决策树模型原理和R语言预测心脏病实例|数据分享(下)
【视频】决策树模型原理和R语言预测心脏病实例|数据分享