6

我尝试将简单的生存模型从这里(介绍中的第一个)从 PyMC 2 移植到 PyMC 3。但是,我没有找到任何与“观察到的”装饰器等效的东西,并且我尝试编写新的发行版失败了。有人可以提供一个例子,这是如何在 PyMC 3 中完成的?

4

1 回答 1

5

这是一个棘手的端口,需要三个新概念:

  1. theano张量的使用
  2. 的使用DensityDist
  3. 传递一个dictasobserved

此代码提供与您在上面链接到的 PyMC2 版本等效的模型:

import pymc3 as pm
from pymc.examples import melanoma_data as data
import theano.tensor as t

times = data.t # not to be confused with the theano tensor t!
failure = (data.censored==0).astype(int)

with pm.Model() as model:

    beta0 = pm.Normal('beta0', mu=0.0, tau=0.0001)
    beta1 = pm.Normal('beta1', mu=0.0, tau=0.0001)
    lam = t.exp(beta0 + beta1*data.treat)

    def survival_like(failure, value):
        return t.sum(failure * t.log(lam) - lam * value)

    survive = pm.DensityDist('survive', survival_like,
                        observed={'failure': failure, 'value': times})

with model:

    start = pm.find_MAP()
    step = pm.NUTS(scaling=start)
    trace = pm.sample(10000, step=step, start=start)

pm.traceplot(trace);

输出如下:

在此处输入图像描述

于 2015-08-19T21:12:52.557 回答