0

我是 PyMC ( https://github.com/pymc-devs/pymc ) 的初学者，我正在尝试构建一个带有动态组件的模型，基本上每次模型都是求解一个小型常微分方程 (ODE) 系统叫。

我尽我所能搜索了谷歌和（已弃用的）PyMC 邮件列表，并在此处提出了模型结构（pk_model.py）和调用者（pk_fit.py）：

https://gist.github.com/gyromagnetic/6097271

运行 pk_fit 一开始似乎可以工作，但随后会转储许多与 ODE 求解器相关的错误消息。ODE 和求解器的独立版本（未与 PyMC 代码集成）可以正常工作。

放入各种打印语句，看起来代码开始工作，但在某些时候，未知参数参数（kcp，kpc，ke）从标量变为 numpy.ndarrays。这似乎是问题的一部分。

作为 PyMC 的新手，我希望我做的事情显然是错误的。

我将不胜感激任何帮助。

4

1 回答 1

2

您是对的：PyMC 将随机参数值作为 numpy.ndarrays 提供给您的模型，因此您需要做的就是在计算差异之前转换回 python 标量（获取第一项）。

例如，在您的代码中：

dcc_dt = k1.item() * y_cp - (k2.item() + k3.item()) * y_cc
dcp_dt = k2.item() * y_cc - k1.item() * y_cp

此外，如果您正在处理大量观察到的数据，我建议您考虑使用 Cython、Boost.Python或类似工具将您的 ODE 模型转换为 Python 扩展。它将显着加快求解速度，如果您需要在 MCMC 中进行数千次采样，这一点很重要。我将后者与odeint库一起用于我的 ODE 模型，并且能够获得比纯 Python 版本快 150 倍的速度。

于 2013-09-23T00:58:36.857 回答