问题标签 [pymc3]

在 Theano 中，有一个选项可以使用 repeat 函数T.repeat(A,B)并提供一对向量，这样 的每个元素A[i]都是重复的B[i]次数。

不幸的是，这个操作没有定义梯度（它抛出一个未实现的异常），这是一个问题，因为我试图将它与Pymc3基于梯度的采样器一起使用。

我想我可以使用scan函数来解决这个问题，并为两个向量的每个元素递归调用重复，但是我的代码不起作用，可能是因为我调用scan不正确。谁能帮我理解为什么下面的代码不起作用？

我希望这会返回 [1,1,1,1] 但它会返回以下错误。

我在 Pymc3 github 上提出了一个问题，看看这是否应该更永久地修复，但我认为这是一个很好的机会，可以为我了解更多关于 Theano 的信息，如果我能解决这个问题，也许我可以贡献回到项目。

我正在尝试实现逻辑多项式回归（AKA softmax 回归）。在这个例子中，我试图对 iris 数据集进行分类

我在指定模型时遇到问题，我得到一个优化错误find_MAP()。如果我避免使用find_MAP()，如果我使用 aCategorical作为可能性，我会得到一个所有零向量的“样本”，或者如果我使用 ，则后验与先验完全相同Mutinomial(n=1, p=p)。

我正在实施多元高斯回归的个性化混合，pymc3并遇到了空组件的问题。在参考了相关的 PyMC3 混合模型示例之后，我尝试使用单变量法线来实现模型，但我也遇到了一些问题。

我尝试了几种策略来限制每个组件为非空，但每个都失败了。这些显示在下面的代码中。我的具体问题是：在使用 的多元高斯混合中，将所有组件限制为非空的最佳方法是什么pymc3？

请注意，下面代码中的尝试 #1 来自PyMC3 示例中的混合模型，在这里不起作用。

您可以使用此 gist 中的函数复制我正在使用的合成数据。

前两种方法无法确保非空集群；尝试采样会导致LinAlgError：

...这表明组件是空的，因为精度矩阵有 shape (0, 0)。

第三种方法实际上解决了空组件问题，但给出了非常奇怪的推理行为。我根据跟踪图选择了老化，每 10 个样本进行稀释。样本仍然是高度自相关的，但比没有细化的要好得多。此时，我对样本中的 Z 值求和，这就是我得到的结果：

因此，出于某种原因，所有用户都被分配到每个样本的最后一个集群。

我不确定这算作问题还是错误报告。我在这里发布了一个 GitHub 要点：https ://gist.github.com/jbwhit/a9012e04b0f48e582c22

我发现这个问题（pymc3：具有多个观察变量的层次模型）是我自己的层次模型的一个很好的起点，但是当我试图以任何实质性的方式修改它时遇到了困难。

首先，有效的模型和设置：

以上所有工作都按预期工作（并且痕迹看起来不错）。下一段代码进行了一次更改（将 T 分布替换为正态分布）：

以下是输出：

关于如何让它工作的任何建议？

我正在尝试实施 Lee&Wagenmakers 的书（第 5.5 章，第 70 页）中的审查数据示例。在 pymc2 中，我有以下模型：

这涉及到装饰者@pymc.observed。
我想我需要用 来表达可能性pm.DensityDist，但是，我不知道该怎么做。

我有兴趣计算贝叶斯因子来比较 PyMC 3 中的两个模型。根据这个网站，在 PyMC 2 中，该过程似乎相对简单：包括一个伯努利随机变量和一个自定义似然函数，它返回第一个模型的似然性当 Bernoulli 变量的值为 0 时，第二个模型的似然值是 1 时。然而，在 PyMC 3 中，事情变得更加复杂，因为随机节点需要是 Theano 变量。

我的两个似然函数是二项式，所以我想我需要重写这个类：

关于从哪里开始的任何建议？

我一直在关注 PyMC3 的高斯混合模型示例：https ://github.com/pymc-devs/pymc3/blob/master/pymc3/examples/gaussian_mixture_model.ipynb 并让它与人工数据集很好地配合使用。

我已经用真实的数据集进行了尝试，我正在努力让它给出合理的结果：

关于我应该缩小/扩大/改变哪些参数以获得更好的拟合的任何想法？痕迹似乎很稳定。这是我从示例中调整的模型片段：

我正在生成一个中间发生剧烈变化的时间序列。

这一系列x看起来像这样：

现在的目标是使用 PyMC3 来估计发生变化的时间（切换点）的后验分布。这应该发生在索引 120 附近。我使用了以下代码；

这样做会产生一个错误，我不能用它tau来对数组进行切片。在 PyMC 中解决这个问题的方法是什么？看来我需要通过 PyMC 中的随机事物来进行切片。

我看到了如何使用 pymc3 进行变更点分析的示例，但我似乎遗漏了一些东西，因为我得到的结果与真实值相去甚远。这是一个玩具示例。

数据：

脚本：

结果如下：

如您所见，它们与初始值完全不同。我做错了什么？

我对 pymc3 完全陌生，所以请原谅这可能是微不足道的。我有一个非常简单的模型，我在其中预测二元响应函数。该模型几乎是此示例的逐字复制：https ://github.com/pymc-devs/pymc3/blob/master/pymc3/examples/gelman_bioassay.py

我取回了模型参数（alpha、beta 和 theta），但我似乎无法弄清楚如何将模型的预测与输入数据重叠。我试过这样做（使用生物测定模型的说法）：

然后绘制剂量与 pred_death 的关系，但这显然是不正确的，因为我每次都得到不同的二项分布图。

与此相关的是另一个问题，我如何评估拟合优度？在“入门” pymc3 教程中，我似乎找不到任何效果。

非常感谢您的任何建议！