设置 cores = 1 取消并行计算 loo 值以去掉警告

r-lib/processx#236

probabilistic-reasoning-framework.qmd

@@ -262,7 +262,7 @@ fit_gaussian$summary(.num_args = list(sigfig = 4, notation = "dec"))
 变量的声明没有太多的内涵，就是 C++ 和 Stan 定义的语法，比如整型用 `int` 声明。建模过程中，时常需要将 R 语言环境中的数据传递给 Stan 代码编译出来的模型，而 Stan 是基于 C++ 语言，在变量类型方面有继承有发展。下表给出 Stan 与 R 语言中的变量类型对应关系。值得注意， R 语言的类型检查是不严格的，使用变量也不需要提前声明和初始化。Stan 语言中向量、矩阵的类型都是实数，下标也从 1 开始，元组类型和 R 语言中的列表类似，所有向量默认都是列向量。
 
 | 类型 | Stan 语言                       | R 语言                                          |
-|---------------|----------------------|-----------------------------------|
+|------|---------------------------------|-------------------------------------------------|
 | 整型 | `int x = 1;`                    | `x = 1L`                                        |
 | 实数 | `real x = 3.14;`                | `x = 3.14`                                      |
 | 向量 | `vector[3] x = [1, 2, 3]';`     | `x = c(1L, 2L, 3L)`                             |
@@ -440,10 +440,10 @@ fit_logit_lasso$summary(c("alpha", "beta", "lambda", "lp__"))
 计算 LOO-CV 比较正态先验和 Lasso 先验
 
 ```{r}
-fit_logit_normal_loo <- fit_logit_normal$loo(variables = "log_lik", cores = 2)
+fit_logit_normal_loo <- fit_logit_normal$loo(variables = "log_lik", cores = 1)
 print(fit_logit_normal_loo)
 
-fit_logit_lasso_loo <- fit_logit_lasso$loo(variables = "log_lik", cores = 2)
+fit_logit_lasso_loo <- fit_logit_lasso$loo(variables = "log_lik", cores = 1)
 print(fit_logit_lasso_loo)
 ```
 
@@ -500,7 +500,7 @@ fit_logit_horseshoe$summary(c("alpha", "beta", "tau", "lambda", "lp__"))
 可以看到回归系数小的压缩效果很明显，而回归系数大的几乎没有压缩。
 
 ```{r}
-fit_logit_horseshoe_loo <- fit_logit_horseshoe$loo(variables = "log_lik", cores = 2)
+fit_logit_horseshoe_loo <- fit_logit_horseshoe$loo(variables = "log_lik", cores = 1)
 print(fit_logit_horseshoe_loo)
 ```