2

我一直在尝试遵循 PYMC3 https://pymc-devs.github.io/pymc3/getting_started/上的教程，但是当我进入以下代码部分时，我遇到了错误......

from pymc3 import Exponential, T, logtransform, exp, Deterministic
from pymc3.distributions.timeseries import GaussianRandomWalk


with Model() as sp500_model:

    nu = Exponential('nu', 1./10, testval=.1)

    sigma, log_sigma = sp500_model.TransformedVar('sigma', Exponential.dist(1./.02, testval=.1),
                                        logtransform)

    s = GaussianRandomWalk('s', sigma**-2, shape=n)

    volatility_process = Deterministic('volatility_process', exp(-2*s))

    r = T('r', nu, lam=volatility_process, observed=returns)

第一个错误是“无法导入名称logtransform”。第二个错误（如果我不尝试加载logtransform）是“'Model' object has no attribute TransformedVar”。

我在 Windows 7 上的 IPython Notebook 中运行它，我尝试卸载并重新安装 PyMC3 无济于事。

4

1 回答 1

6

当前版本的 pymc3 与教程不同步。

TransformedVar于 2015 年 6 月 3 日被删除。

pymc3.logtransform于 2015 年 6 月 15 日被删除。

新的做法不再需要 TransformedVar：

 sigma, log_sigma = model.TransformedVar(
     'sigma', Exponential.dist(1. / .02, testval=.1),
     logtransform)

被替换为

 sigma = Exponential('sigma', 1. / .02, testval=.1)

您的 pymc3 安装应包含pymc3/examples/stochastic_volatility.py. 和网上教程不同，这段代码应该和你的pymc3版本一致。

之所以可以这样简化代码，是因为Exponential做了 的子类PositiveContinuous，而这个类默认使用 logtransform。

作为记录，这是 stochastic_volatility.py 的当前版本（截至 2015-06-04）：

from matplotlib.pylab import *
import numpy as np
from pymc3 import *
from pymc3.distributions.timeseries import *

from scipy.sparse import csc_matrix
from scipy import optimize

n = 400

returns = np.genfromtxt(get_data_file('pymc3.examples', "data/SP500.csv"))[-n:]
returns[:5]

model = Model()
with model:
    sigma= Exponential('sigma', 1. / .02, testval=.1)

    nu = Exponential('nu', 1. / 10)

    s = GaussianRandomWalk('s', sigma ** -2, shape=n)

    r = T('r', nu, lam=exp(-2 * s), observed=returns)


def run(n=2000):
    if n == "short":
        n = 50
    with model:
        start = find_MAP(vars=[s], fmin=optimize.fmin_l_bfgs_b)
        step = NUTS(model.vars, scaling=start, gamma=.25)
        trace = sample(5, step, start)

        # Start next run at the last sampled position.
        start2 = trace.point(-1)
        step2 = NUTS(model.vars, scaling=start2, gamma=.25)
        trace = sample(n, step2, trace=trace)

    # <codecell>

    # figsize(12,6)
    title(str(s))
    plot(trace[s][::10].T, 'b', alpha=.03)
    xlabel('time')
    ylabel('log volatility')

    # figsize(12,6)
    traceplot(trace, model.vars[:-1])

if __name__ == '__main__':
    run()

我通过从 github 克隆 pymc3 发现了这一点：

git clone https://github.com/pymc-devs/pymc3

然后查看影响 transforms.py 的提交：

gitk pymc3/distributions/transforms.py 
gitk pymc3/distributions/continuous.py
gitk pymc3/examples/stochastic_volatility.py

一旦找到提交哈希（例如 c3120bce05bf8f1389272e1c38ddf83cb46c8d84），github 上的相应提交可以位于：

https://github.com/pymc-devs/pymc3/commit/c3120bce05bf8f1389272e1c38ddf83cb46c8d84

在讨论/解释此更改的相关时间段 (2015-06-xx) 内，我无法找到github 问题。

于 2015-08-29T22:09:09.160 回答