python
#Schreiben
with open('model.pkl', 'wb') as f:
pickle.dump(stm, f)
with open('fit.pkl', 'wb') as g:
pickle.dump(fit, g)
#Lesen
stm = pickle.load(open(DATA_DIR + 'model_ForS.pkl', 'rb'))
fit = pickle.load(open(DATA_DIR + 'fit_ForS.pkl', 'rb'))
Die statistische Modellierung nach Bayes durch Pystan ist praktisch, erfordert jedoch viele Berechnungsmethoden. Es hängt vom Gegenstand ab, aber die meisten dauern ungefähr eine Stunde. Darüber hinaus ist es häufig der Fall, dass die Berechnung nicht konvergierte.
So viele Leute wollen das berechnete Ergebnis speichern. Es mag im Tutorial-Buch geschrieben sein, aber ich denke, dass es viele Leute gibt, die sagen **, weil es viele Rstan-Bücher gibt, ohne zu wissen, wie man Python rettet **.
Also in diesem Artikel
Angenommen, Sie kompilieren und probieren mit Pystan wie folgt: Hier wird das Modell in stm gespeichert und das Stichprobenergebnis in fit gespeichert.
python
model = """
data{
...
}
parameters{
...
}
model{
...
}
"""
stm = pystan.StanModel(model_code=model) #kompilieren
stan_data = {...}
fit = stm.sampling(data=stan_data) #Probenahme
Zu diesem Zeitpunkt können Sie wie folgt speichern und schreiben. Es war einfach. Auch wenn nur das Ergebnis gespeichert ist, kann es nicht gelesen werden. Sie müssen das Modell damit speichern. Ich kenne die Details nicht, aber es scheint, dass das Stichprobenergebnis mit dem Modell verknüpft ist.
python
#Schreiben
with open('model.pkl', 'wb') as f:
pickle.dump(stm, f)
with open('fit.pkl', 'wb') as g:
pickle.dump(fit, g)
#Lesen
stm = pickle.load(open(DATA_DIR + 'model_ForS.pkl', 'rb'))
fit = pickle.load(open(DATA_DIR + 'fit_ForS.pkl', 'rb'))