1

问题定义：考虑类似于以下模型的“Simpletest”模型（来自 pymc3 示例）：

model = Model()

data = np.random.normal(size=(2, 20))

with model:
    x = Normal('x', mu=.5, tau=2. ** -2, shape=(2, 1))

    z = Beta('z', alpha=10, beta=5.5)

    d = Normal('data', mu=x, tau=.75 ** -2, observed=data)

    step = NUTS()

    trace = sample(1000, step)

我想更改它，以便我将拥有一个固定的模型结构，但运行采样数次迭代，每次都将一个新数据点添加到前一个（观察到的）数据集。由于观察到的数据以某种方式嵌入到模型定义中，我知道这样做的唯一方法是将整个模型定义放在一个循环中：

model = Model()

# a set of initial data points
data = getInitPoints((2,5))

for i in xrange(m):
    with model:
        x = Normal('x', mu=.5, tau=2. ** -2, shape=(2, 1))

        z = Beta('z', alpha=10, beta=5.5)

        d = Normal('data', mu=x, tau=.75 ** -2, observed=data)

        step = NUTS()

        trace = sample(1000, step)
    data = numpy.vstack( (data,getnewPoint( (2,1) ) ) )
    #use the samples

如果模型很大，这可能会产生一些不必要的开销。为了避免重复定义相同模型的开销，我想知道是否有解决方案可以通过类似于以下想法的方式实现相同的结果：

with model:
    x = Normal('x', mu=.5, tau=2. ** -2, shape=(2, 1))

    z = Beta('z', alpha=10, beta=5.5)

data = getInitPoints()

for i in xrange(m):
    # only necessary parts are included in the loop 
    with model:
        d = Normal('data', mu=x, tau=.75 ** -2, observed=data)
                    step = NUTS()
        trace = sample(1000, step)
     data = numpy.vstack((data,getnewPoint()))

甚至更好：

data = getInitPoints()
dataHandle = magicHandle(data)
with model:
    x = Normal('x', mu=.5, tau=2. ** -2, shape=(2, 1))

    z = Beta('z', alpha=10, beta=5.5)
    #
    d = Normal('data', mu=x, tau=.75 ** -2, observed=dataHandle)

    step = NUTS()

for i in xrange(m):
    with model:
        trace = sample(1000, step)
    #  
    dataHandle = numpy.vstack((data,getnewPoint()))
4

1 回答 1

0

似乎不可能正确知道。但是关于这个主题有一个未解决的问题，这里有可能的解决方案：https ://github.com/pymc-devs/pymc/issues/10

于 2015-06-02T01:42:27.943 回答