问题标签 [pymc]

我厌倦了不得不用 PyMC 重新运行长 MCMC 链，因此使用 PyMC 附带的链保存功能听起来是个好主意。我正在使用pickle数据库后端来体验基于磁盘保存的 MCMC 工作流，我发现如果我尝试连续两次从带有 pickle 数据库的 PyMC MCMC 模型中采样，第二次sample调用非常减缓。

第一个sample调用几乎立即完成，但第二个调用非常缓慢，需要几秒钟才能完成。与此同时，我在第二次调用时查看了磁盘上的 simple.pickle 文件，sample并注意到它的大小在 20 到 60 兆字节之间快速波动。

我希望第二次（以及所有后续）sample调用在与第一次大致相同的时间内完成，以便我可以手动监控链的混合属性（是的，我知道我可以使用各种更高级的诊断，但除此之外问题）。

我究竟做错了什么？

PyMC 版本 2.2、Python 2.7.3、Ubuntu 12.10 64 位。

我有一个涉及许多对象的问题，N 每个都可以处于固定数量的状态 j。我们知道一个物体处于每种状态的概率——但是物体之间的概率是不同的。

例如，如果有 j=3 个状态和 N=2 个对象，则概率可以描述为：

对于少量的对象，我可以写：

但是，我有大量的对象...

我要创建的是与随机状态相对应的整数向量，其中每一行对应一个单独的对象。

我试图实现一个集合来做到这一点：

当我尝试在下一步中使用它时，问题就来了：

在上面的 nI 是一个整数向量， stateValue 是一个双精度向量，每个状态一个。问题是这会返回一个双精度数组而不是一个 pymc 对象，因此当我尝试运行模型时它会失败......

如果你有一个随机变量 $X$ 和一个函数 $f$，你可以将 $y=f(X)$ 定义为一个新的随机变量，其概率密度函数如下：

$p(y)=(f^{-1})'(y)p(x)$。有关详细信息，请参见此处。

现在我已经定义了一个随机变量 alpha，在下面的代码中具有指数分布。我想将 log(alpha) 作为新的随机变量添加到我的模型中。我应该如何在我的模型中实现它？

我已经做出了努力，但似乎这是错误的，答案中指出的原因是我使用了随机装饰器而不是确定性装饰器。但是因为后来我想在这个变量上应用 MCMC Metropolis，所以我需要它来统计！为了更清楚地说明，我想在 log(alpha) 上应用高斯建议。所以我需要向 Metropolis 函数提交随机输入。

所以这是我的模型：

在使用装饰器定义“指数随机变量的对数”的随机对象失败pymc.stochastic_from_dist后，我决定使用. 我尝试实现的模型可在此处获得（第一个模型）：

现在，当我尝试使用 MCMC Metropolis 并以正态分布作为建议对日志（alpha）进行采样时（如下图所示作为采样方法），我收到以下错误：

尽管采样没有出错的时间，但采样直方图与本文中的直方图相匹配。我的分层模型是：

我的测试抽样代码是：

当我检查在 distributions.py 的第 978 行中传递给 gamma 分布的 theta 值时，我看到值不是零而是小值！所以我不知道如何防止这个浮点错误？

The following model is part of the tutorial of PyMC, named disaster_model.py and can be imported in the main code to be used as a model:

Now one can do a sampling from distributions using MCMC Metropolis Hasting algorithm to get posterior distribution of parameters.

Now my problem is that suppose after this sampling I achieve new data. How can I update my posterior distributions afterwards? Basically how can implement online learning using PyMC?

I'd like to use the pymc diagnostic and summary functions on samples I have generated without using pymc. As one example, I'd like to use pymc's mc_error routine on my own set of samples.

Some of the pymc diagnostic functions can take an np.array of samples, but, if I understand correctly, others seem to require a trace object. How can I convert my own set of samples into a trace object that pymc can handle? I'd appreciate any pointers.

My samples are currently stored as a dictionary where each key is a name of a variable I am sampling and points to an np.array of samples.

Thanks!

使用 pymc 3 时，是否可以将单变量随机变量组装成一个矩阵，然后将其用作多变量分布的先验？如果是这样，我怎样才能最好地做到这一点？

这是一个具体的例子。我想拿三个 RV 并用它们创建一个三角形矩阵 A：

经过一些操作后，我将使用这个矩阵作为多元正态分布中精度参数的先验。

我认为这可能与 theano 中张量变量的操作有关，所以我也会添加 theano 标记。

感谢您的时间！

编辑1：这是我正在尝试做的一个最小示例：

编辑 2：这是一个测试，表明它ex_tau似乎在 pymc 之外完成了这项工作

我正在努力解决二项式和 pymc 的问题我有一个样本分成几组，我想使用 MCMC 评估从易感状态到感染状态的转换率，并以类似于此处的方式绘制结果

当我编译脚本时，我收到以下消息：

并且没有产生情节.....我该如何解决？

这是模型和启动脚本：

我不确定这是 PyMC3 问题还是 Theano 问题。我已经使用 PyMC2 很长时间来将宇宙学与超新星数据相匹配。这需要一些凌乱的积分（参见http://arxiv.org/abs/astron/9905116）

所以我在 python 中使用了一个名为 Cosmolopy 的包来进行集成和其他一些便利功能。虽然这在 PyMC2 上运行良好，但在 PyMC3 中依赖 theano，我不知道是否有使用 Cosmolopy 的方法。

这是我目前对如何在 PyMC3 中构建模型的理解的一些示例代码

这段代码崩溃是因为 Cosmolopy 期望 omega_matter 有一个浮点数，但却收到了一个 theano.TensorVariable 。

所以这个问题有两个方面：

1. 我是否只是在 PyMC3 的语法上遗漏了一些允许我这样做的东西（可能是因为我仍然以某种方式被困在 PyMC2 模型构建上）？

2. 如果不是 1，那么我是否需要找到一种方法来在 theano 中进行积分？

下午 1:23（20 分钟前）嗨，

尝试学习 pymc3（从未学过 pymc2，所以跳入新事物），我怀疑有一个非常简单的示例/伪代码可以用于我正在尝试做的事情。想知道是否有人可以帮助我，因为过去几个小时我没有取得太大进展......

我的问题是以一种相当直接的方式从后部采样。让“x”是一个向量，“t(x)”是该向量的一个函数（R^n --> R^n 映射），而“D”是一些观察到的数据。我想从中采样向量 x

P( x | D ) \propto P( D | x ) P(x)

通常的贝叶斯东西。如何使用 NUTS 执行此操作的示例将非常壮观！我的主要问题似乎是让函数 t(x) 正常工作，并让模型从后验（而不是先验）返回样本。

任何和所有帮助/提示表示赞赏。与此同时，我会继续尝试一些东西。

最好的，

TJ