def test_revert(self):
N = NormApprox(model)
N.fit()
max_alpha = N.alpha.value.copy()
N.alpha.random()
N.revert_to_max()
assert_almost_equal(N.alpha.value, max_alpha)
def test_draws(self):
N = NormApprox(model)
N.fit('fmin')
N.sample(1000)
if PLOT:
plot(N.alpha.trace(), N.beta.trace(), 'k.')
xlabel(r'$\alpha$')
ylabel(r'$\beta$')
def test_get(self):
N = NormApprox(model)
N.fit('fmin')
N.mu[N.alpha, N.beta]
N.C[N.alpha, N.beta]
def test_sig(self):
N = NormApprox(model)
N.fit('fmin')
assert((abs(N._sig * N._sig.T - N._C) < 1.0e-14).all())
def test_fmin_powell(self):
N = NormApprox(model)
N.fit('fmin_powell')
def test_fmin_l_bfgs_b(self):
N = NormApprox(model)
N.fit('fmin_l_bfgs_b')
def test_fmin_cg(self):
N = NormApprox(model)
N.fit('fmin_cg')
def test_sig(self):
N = NormApprox(model)
N.fit('fmin')
assert((abs(N._sig * N._sig.T - N._C) < 1.0e-14).all())
def test_fmin(self):
N = NormApprox(model)
N.fit('fmin')
def test_fmin_powell(self):
N = NormApprox(model)
N.fit('fmin_powell')
def test_fmin_cg(self):
N = NormApprox(model)
N.fit('fmin_cg')
def test_fmin_l_bfgs_b(self):
N = NormApprox(model)
N.fit('fmin_l_bfgs_b')
def test_fmin(self):
N = NormApprox(model)
N.fit('fmin')
def test_get(self):
N = NormApprox(model)
N.fit('fmin')
N.mu[N.alpha, N.beta]
N.C[N.alpha, N.beta]