PyStanをインストールしてみた：Taglibro de H：SSブログ

	ブログをはじめるログイン

BUGS/Stan勉強会 #2｜StanでZero-inflated P.. ブログトップ

PyStanをインストールしてみた　[Mac] [編集]

OS X MavericksにPyStanをインストールしてみたのでそのメモ。

Getting Startedによると必要なのは以下のもの。

Python: 2.7 or 3.3
Cython: 0.19 or greater
NumPy: 1.6.2 or greater

これらはMacPortsでインストールした。

python27
py27-numpy
py27-cython

このうちpython27はもともと依存パッケージとしてインストールされていた。しかし、/opt/local/bin/pythonがなかった、というところでちょっとハマった。port selectしないといけないのであった。

sudo port select --set python python27

このあとのインストールに必要なのでpy-pipもインストール。

準備ができたらインストール。

sudo py27-pip install pystan

インストールできたらテストしてみる。

Example 1: Eight Schoolsの末尾にprint(fit)を追加して、pystan_test.pyとして保存、実行。

$ python pystan_test.py
INFO:pystan:COMPILING THE C++ CODE FOR MODEL anon_model NOW.
INFO:pystan:NOW ON CHAIN 0
INFO:pystan:NOW ON CHAIN 1
INFO:pystan:NOW ON CHAIN 2
INFO:pystan:NOW ON CHAIN 3
Iteration: 1000 / 1000 [100%]  (Sampling)
Elapsed Time: 0.027457 seconds (Warm-up)
              0.017681 seconds (Sampling)
              0.045138 seconds (Total)

Iteration: 1000 / 1000 [100%]  (Sampling)
Elapsed Time: 0.029978 seconds (Warm-up)
              0.020822 seconds (Sampling)
              0.0508 seconds (Total)

Iteration: 1000 / 1000 [100%]  (Sampling)
Elapsed Time: 0.039083 seconds (Warm-up)
              0.020536 seconds (Sampling)
              0.059619 seconds (Total)

Iteration: 1000 / 1000 [100%]  (Sampling)
Elapsed Time: 0.045185 seconds (Warm-up)
              0.019407 seconds (Sampling)
              0.064592 seconds (Total)

Inference for Stan model: anon_model.
4 chains, each with iter=1000; warmup=500; thin=1;
post-warmup draws per chain=500, total post-warmup draws=2000.

         mean se_mean   sd 2.5%  25%  50%  75% 97.5% n_eff Rhat
mu        8.0     0.2  4.7 -1.3  4.9  8.1 10.9  17.2 410.0  1.0
tau       7.2     0.4  5.9  0.3  2.6  5.9 10.0  23.0 226.0  1.0
eta[0]    0.4     0.0  0.9 -1.4 -0.2  0.4  1.0   2.1 600.0  1.0
eta[1]   -0.0     0.0  0.8 -1.6 -0.5 -0.0  0.5   1.7 564.0  1.0
eta[2]   -0.2     0.0  0.9 -1.9 -0.8 -0.2  0.4   1.5 561.0  1.0
eta[3]    0.0     0.0  0.9 -1.8 -0.5 -0.0  0.6   1.7 582.0  1.0
eta[4]   -0.3     0.0  0.8 -1.9 -0.9 -0.3  0.2   1.4 557.0  1.0
eta[5]   -0.2     0.0  0.8 -1.9 -0.8 -0.2  0.3   1.5 572.0  1.0
eta[6]    0.4     0.0  0.9 -1.4 -0.2  0.4  0.9   2.1 596.0  1.0
eta[7]    0.0     0.0  0.9 -1.7 -0.6  0.1  0.6   1.8 572.0  1.0
theta[0] 11.6     0.4  8.2 -1.9  6.3 10.3 15.9  30.4 369.0  1.0
theta[1]  8.0     0.3  6.2 -3.7  3.9  8.0 11.7  21.0 604.0  1.0
theta[2]  5.8     0.4  8.0-12.5  1.7  6.5 10.7  20.8 455.0  1.0
theta[3]  7.9     0.3  6.5 -4.6  4.0  7.9 11.5  22.1 533.0  1.0
theta[4]  4.8     0.3  6.5-10.4  1.4  5.4  9.2  15.9 506.0  1.0
theta[5]  6.1     0.3  6.5 -8.4  2.3  6.4 10.3  17.6 539.0  1.0
theta[6] 11.0     0.3  6.8 -1.1  6.5 10.3 14.8  26.4 530.0  1.0
theta[7]  8.2     0.4  8.1 -8.5  3.6  8.3 12.4  25.7 514.0  1.0
lp__     -4.4     0.1  2.5-10.1 -6.0 -4.1 -2.5  -0.3 342.0  1.0

Samples were drawn using NUTS(diag_e) at Mon Dec 23 12:10:56 2013.
For each parameter, n_eff is a crude measure of effective sample size,
and Rhat is the potential scale reduction factor on split chains (at
convergence, Rhat=1).