0

我越来越熟悉 PyStan。我已经运行了几个模型，包括贝叶斯线性回归模型，没有问题。但是，当我尝试运行以下代码时，会出现 seg fault 错误：

Segmentation fault (core dumped)

有趣的是，这只发生在老化迭代完成之后。我的模型代码在这里。我目前正在编造一些数据并试图推断参数beta_tru_1和alpha. 型号代码来自Stan User's Guide。

import pystan
import numpy as np
from scipy.stats import norm

# the params
beta_tru_1 = 3.7
alpha = 2.3

# make some data
n = 1000
np.random.seed(1)
x1 = norm(0, 1).rvs(n)
z = alpha + x1 * beta_tru_1
y = [1 if i > 0.7 else 0 for i in norm.cdf(z)]

# train test split
y_train, y_test = y[:750], y[750:]
x_train, x_test = x1[:750], x1[750:]

# stan code
probit_code = """
data {
    int<lower=0> n; // number of data vectors
    real x[n]; // data matrix
    int<lower=0,upper=1> y[n]; // response vector
}
parameters {
    real beta; // regression coefs
    real alpha;
}
model {
    for (i in 1:n)
      y[i] ~ bernoulli(Phi(alpha + beta * x[i]));
}
"""

# compile the model
probit_model = pystan.StanModel(model_code=probit_code)

# the data
probit_dat = {
    "n": len(y_train),
    "y": y_train,
    "x": x_train
}

# fit the model (small number of iterations for debug)
# this is where the error is
probit_fit = probit_model.sampling(data=probit_dat, iter=500, warmup=500, chains=4, init="0")

我在 Linux Pop OS 20.10 上使用 PyStan v. 2.19.1.1 和 python 3.7.6。我已经在多台机器上运行了这段代码，包括一个没有运气的 Ubuntu 容器。任何帮助表示赞赏。

4

1 回答 1

0

我能够确定此错误的原因。我用于参数的 probit_model.sampling参数引起了问题。具体来说，iterandwarmups参数不能相同。该iter参数是迭代的总数，包括通过参数指定的“老化”迭代warmup。因此，我指定的输入导致probit_model.sampling执行 500 次老化迭代，然后停止采样，而不是针对 1000 次 HMC 迭代执行另外 500 次迭代。

此行为的正确参数设置为：

probit_model.sampling(data=probit_dat, iter=1000, warmup=500)

我已经测试了这个解决方案，它按预期执行。（尽管这个样本数量不足以在这个问题中进行有效推理。）

于 2021-02-22T19:26:16.847 回答