问题标签 [pymc3]

在 PyMC2 中，有 random() 和 value() 方法来生成随机值，并获取随机变量的当前值。在 PyMC3 中有什么方法可以做同样的事情吗？

为了学习 PyMC，我正在尝试做一个简单的隐马尔可夫模型，如下所示：

我认为这个模型应该是正确的，但是当我尝试从这个模型中采样时，我真的很奇怪InvalidValueError：

我已经用完整的代码上传了 ipython 笔记本。关于我做错了什么的任何提示？

我正在尝试在以下场景中对 softmax 选择函数的单个参数执行参数估计：

在每个试验中，给出三个选项值（例如，[1,2,3]），并且受试者在选项（0、1 或 2）之间做出选择。softmax 函数将选项值转换为选择概率（3 个概率的向量，总和为 1），具体取决于温度参数（此处限制在 0 和 10 之间）。

每个试验中的选择应该被建模为一个分类分布，其中试验选择概率是从 softmax 计算的。请注意，分类的选择概率取决于选项值，因此在每次试验中都不同。

这是我想出的：

对于大于 50 的 nTrials，此代码将失败，并带有极长的警告/错误消息：

警告：

错误：

我对 PyMC（和 Theano）相当陌生，我觉得我的实现非常笨拙且不理想。非常感谢任何帮助和建议！

菲利克斯

编辑：我已将代码作为笔记本上传，完整显示警告和错误消息：http: //nbviewer.ipython.org/github/moltaire/softmaxPyMC/blob/master/softmax_stackoverflow.ipynb

我正在 pymc3 中尝试一个简单的模型，但是当我尝试使用该find_MAP方法时它会抛出以下错误。：

非常相似的代码使用 Beta 和 Binomial 分布而不是 Dirichlet 和 Multinomial 分布工作，但以下代码失败：

如何调整模型推理设置使其不会爆炸？

在阅读了 Cam Davidson-Pilon 的Probabilistic Programming & Bayesian Methods for Hackers之后，我决定尝试使用 PyMC解决隐马尔可夫模型 (HMM)学习问题。到目前为止，代码不配合，但是通过排查，感觉已经缩小了问题的根源。

将代码分解成更小的块并专注于 t=0 时的初始概率和发射概率，我能够学习 t=0 时单个状态的发射/观察参数。但是，一旦我添加另一个状态（总共两个状态），无论数据输入如何，参数学习的结果都是相同的（并且不正确）。所以，我觉得我一定在代码部分做错了@pm.deterministic，这不允许我从Init初始概率函数中采样。

通过这部分代码，我的目标是学习初始概率 p_bern和发射概率 p_0，p_1分别对应于状态 0 和 1。发射取决于状态，这是我试图用我的@pm.deterministic函数来表达的。我可以在这个确定性函数中使用“if”语句吗？这似乎是问题的根源。

我已经尝试了以下无济于事：

1. 使用@pm.potential装饰器创建联合分布
2. 更改我的位置的Init位置（您可以在代码中看到我的注释，我不确定将它放在哪里）
3. 使用@pm.stochastic与此类似的

编辑：根据克里斯的建议，我已经将伯努利节点移到了确定性之外。我还将代码更新为更简单的模型（伯努利观察而不是多项式），以便于排除故障。

感谢您的时间和关注。任何反馈都会受到热烈欢迎。另外，如果我缺少任何信息，请告诉我！

在 ipython4 中使用 pymc3 我得到一些与 ipython 的 api 有关的错误：

这部分 api 是否足够稳定，值得我尝试稳定其上的代码，还是仍在大力开发？

我正在尝试使用 pymc 来适应振荡数据的时间演变。在这里，每个时间步我不仅有一个点，而且还有几个。

我根本找不到在 pymc3 中进行这项工作的有效方法，因为它总是会引发一些输入值错误。所以我想知道是否有一个很好的解决方案。我附上了代码，但它也可以在此处作为 ipython 笔记本找到。

我正在尝试使用 PyMC3 比较两个模型（来自 Jake Vanderplas 博客的示例），但我无法让我修改后的代码正常工作（这些函数best_theta()并logL()在 Jake 的博客文章中进行了解释，该文章以IPython Notebook形式提供）：

这引发了一个例外，因为变量choice是一个 RV 对象，而不是一个整数（与 PyMC2 不同），正如在这个问题中所讨论的那样。但是，在我的代码中， 的值choice对于使其工作很重要。

我的问题是，有没有办法访问 RV 的值choice，或者更一般地使用分类随机变量建立一个层次模型（即使用分类 RV 的值来计算另一个 RV 的对数似然）？

我正在尝试从 PyMC3 中的学术论文构建一个层次模型，其中包含许多参数。这是这个模型的板图：

当我尝试为 PyMC3 构建这个模型时，我无法给超先验 p（它是 Beta 分布并提供伯努利分布的先验）一个形状。这个的语法是什么？我的带有内联注释的错误模型说明了我的问题，如下所示：

我是 Pymc3 的新手，我正在尝试创建https://en.wikipedia.org/wiki/Mixture_model#Categorical_mixture_model中显示的分类混合模型。我很难连接“x”变量。我认为这是因为我必须使 z 变量确定性，但我在分配“x”的行收到一条错误消息：“ValueError：我们期望 3 个输入，但得到 2 个。”。看起来 p 函数只接受 2 个输入，所以我被卡住了。我已经尝试了很多不同的东西，但还不能让它工作。