问题标签 [pymc]

我很难在 Windows 上安装 pymc。我愿意

但它给出了错误

但是，我在 MinGW 中安装了 gFortran 编译器。我是否必须更改环境变量或其他东西？

谢谢，

我是 pymc 的新手并且很享受它，但遇到了一些非常奇怪的行为。我想用它来追踪移动的东西；按照教程，我设置了一些随机指标并尝试使用pymc.NormApprox()它。fit()似乎可以运行，但是当我尝试输出输出时，它给了我KeyError。当我切换到使用pymc.MCMC它时，它会运行 `sample() OK，但随后会破坏命名空间（Python 甚至忘记了如何退出（））。

系统：Ubuntu 12.04，scipy numpy等安装，pymc通过easy_install安装；也从 git 尝试过。

重现代码：test.py::

然后，在 shell 中运行 python 或 ipython::

我期望看到的： foo.mu[foo.x]应该给我后部的正常近似值；我不应该收到 Key 错误，也不应该闯入foo._mu

相反，我得到：

我还注意到文档字符串foo.mu说N.mu(p1,p2)但在线文档说N.mu[N.p1,N.p2]。

至于后 MCMC 命名空间崩溃，它甚至忘记了如何退出（）

此外，我可以确认我在运行不同安装（Enthought Python）的不同机器（MacBook Pro）上遇到了同样的问题。

是否有可能将 pymc 用于以下任务：信号是我要估计的两个变量的非线性函数，噪声是非平稳的，在不同的时刻相关？噪声的分布是具有零均值和随时间变化的协变函数的高斯分布。信号是确定性的。

我是 pymc 的新手，不知道在这种情况下如何构造适当的似然函数。

将不胜感激任何建议。

我正在尝试在 enpkg 中安装 pymc，但遇到了障碍。什么是下一个步骤？

这是我的狂欢：

我是 PyMC ( https://github.com/pymc-devs/pymc ) 的初学者，我正在尝试构建一个带有动态组件的模型，基本上每次模型都是求解一个小型常微分方程 (ODE) 系统叫。

我尽我所能搜索了谷歌和（已弃用的）PyMC 邮件列表，并在此处提出了模型结构（pk_model.py）和调用者（pk_fit.py）：

https://gist.github.com/gyromagnetic/6097271

运行 pk_fit 一开始似乎可以工作，但随后会转储许多与 ODE 求解器相关的错误消息。ODE 和求解器的独立版本（未与 PyMC 代码集成）可以正常工作。

放入各种打印语句，看起来代码开始工作，但在某些时候，未知参数参数（kcp，kpc，ke）从标量变为 numpy.ndarrays。这似乎是问题的一部分。

作为 PyMC 的新手，我希望我做的事情显然是错误的。

我将不胜感激任何帮助。

我正在尝试使用 pymc 来解决一个简单的模型：

• 我有 N=1000 个通量，我知道这些通量来自帕累托分布：通量 ~ Pareto(alpha, 1)

• 我正在尝试计算 Pareto 的 alpha 参数： alpha ~ Uniform(1, 3)

• 我的通量测量值被高斯噪声污染：flux_meas ~ Gaussian(flux, tau)

目前，我只是试图模拟如果我改变噪音量会发生什么。

问题是，当我以非常小的（即可忽略的）噪声量运行模型时，每次运行时 alpha 的平均值都会发生根本变化，并且似乎与 alpha 的真实值根本无关。但是，如果我完全忽略高斯噪声，并说我只是直接观察帕累托分布，它会按预期工作。

我究竟做错了什么？

一个工作代码片段在这里：（一个更复杂，更旧的代码片段在这里）

关键位如下：

我对 PyMC 比较陌生，我有一个关于 MCMC 采样器输出的快速问题。我希望找到 MCMC 采样器发现的变量的最可能值（后验的最大值）。有没有快速的方法来做到这一点？据推测，MCMC 采样器发现的后验最大值处的变量值可能与 PyMC 的 MAP 方法发现的变量值大不相同。

感谢开发者提供 PyMC。它对我的工作非常有用。这个问题也已经发布到 PyMC google group。

CrossValidated 上有一个关于如何使用 PyMC 将两个正态分布拟合到数据的问题。Cam.Davidson.Pilon的答案是使用伯努利分布将数据分配给两个法线之一：

现在我的问题是：如何处理三个法线？

基本上，问题是您不能再使用伯努利分布和 1-伯努利分布。但是那怎么办呢？

编辑：根据 CDP 的建议，我编写了以下代码：

具有以下采样过程的迹线看起来也不错。解决了！

我编写了一个 PyMC 模型，用于使用（类似于这个问题中的那个）将 3 个法线拟合到数据中。

我从中采样数据的分布明显重叠，但有 3 个明显不同的峰（见下图）。将 3 个法线拟合到此类数据应该是微不足道的，我希望它能够在 99% 的 MCMC 运行中产生我从 (-10, 0, 10) 采样的平均值。 我期望的结果示例。这发生在十分之二的案例中。 10 个案例中有 6 个发生意外结果的示例。这很奇怪，因为在 -5 上，数据中没有峰值，所以我不能真正达到采样可能陷入的严重局部最小值（从 (-5,-5) 到 (-6,-4)应该提高合身性，等等）。

（自适应 Metropolis）MCMC 采样在大多数情况下卡住的原因可能是什么？有哪些可能的方法来改进它没有的抽样程序？

所以运行确实收敛，但并没有真正探索正确的范围。

更新： 使用不同的先验，我在 5/10 中得到正确的收敛（大约第一张图片），在另一个 5/10 中得到错误的收敛（大约第二张图片）。基本上，更改的行是下面的行，并删除了 AdaptiveMetropolis 步骤方法：

我在 PyMC 中对模型进行推理时遇到问题。我正在尝试在一个相当复杂的模型上运行 MCMC，但我遇到了一个错误

我在这段代码的最后一行得到了这个（抱歉，这很复杂，但我真的不确定问题可能出在哪里）。

任何帮助将非常感激。PyMC 上很少有好的教程。我正在关注 Cameron Davidson-Pilon 的优秀书籍，但到目前为止，我在其中找不到任何关于为什么这可能会给我这个错误的信息。

再次感谢。

回应 Cam.Davidson.Pilon ：

该模型描述了小群体中的麻疹。重要的因素是人口规模小于麻疹的携带能力，因此麻疹不是一直流行，而是在每次流行后都灭绝了。然后通过移民重新引入，并在发生流行病时通过该国城市之间的国家级迁移重新引入。

背景是冰岛，1900 - 1964 年（预防接种）。我们假设麻疹可以通过泊松过程从海外（Y 变量）以 lambda 率输入，或者从冰岛的其他城市（X）以一定的延迟（d）输入。X 是观察的，每月采样一次，如果当月有流​​行病，则为 1，否则为 0。

每个城市 i 都有 X_i 和 Y_i。我们假设 X_i 的值是伯努利分布的，流行病的概率 p_i 是该特定城市的移民的函数，重要性为 alpha_i，如果其他城市有流行病，也是从其他城市迁移的函数（ X_j, j =/= i )，具有系数 beta_ij 以及噪声 epsilon 的背景水平，它表示麻疹病例可能来自何处的不确定性。我们还强加了不应期增量，以允许城市中的易感个体重生。

我不确定的事情：

• epsilon 可能不是必需的和/或一件好事
• 我想施加约束 alpha_i + sum_j beta_ij, i =/= j, 小于 1
• 我希望增量以指数形式分布更多，但显然是离散的，因为我们只有月度数据
• 刚刚发现 d 需要是 DiscreteUniform
• 当我将 X_j 传递给确定 p_i 时，我可能会对其进行平滑处理以允许时间抖动，可能只是使用带有汉宁窗的卷积

我认为这涵盖了正在发生的事情。如果有任何不清楚的地方，请告诉我！同样，欢迎任何意见。

再次感谢，

昆汀