我正在嘗試運行以下模型，但在編譯過程中將失?。篿mport numpy as npimport pymc3 as pmdef sample_data(G=1, K=2): # mean proportion ([0,1]) for each g p_g = np.random.beta(2, 2, size=G) # concentration around each p_g c_g = np.random.lognormal(mean=0.5, sigma=1, size=G) # reparameterization for standard Beta(a,b) a_g = c_g * p_g / np.sqrt(p_g**2 + (1.-p_g)**2) b_g = c_g*(1.-p_g) / np.sqrt(p_g**2 + (1.-p_g)**2) # for each p_g, sample K proportions p_gk = np.random.beta(a_g[:, np.newaxis], b_g[:, np.newaxis], size=(G, K)) return p_gk# Data sizeG = 3K = 5# obtain a G x K array of proportions p_gk in [0,1]data = sample_data(G, K) with pm.Model() as m: # Parameters p_g = pm.Beta('p_g', 1., 1., shape=G) sd_g = pm.HalfNormal('sd_g', sd=1., shape=G) # Observed proportions p_gk = pm.Beta('p_gk', mu=p_g, sd=sd_g, shape=(G, K), observed=data) trace = pm.sample(2000)我是PyMC3的新手。運行現(xiàn)有的PyMC3示例時，我看不到這些錯誤。我懷疑看到這些是因為我使用的是多維格式（即(G,K)），因為我還沒有看到其他人使用此格式（我可能是對Stan熟悉）。通常，我很難理解如何實現(xiàn)具有多個維度的多級模型。知道是什么原因?qū)е铝宋宜吹降腻e誤嗎？
2 回答
哆啦的時光機
TA貢獻(xiàn)1779條經(jīng)驗 獲得超6個贊
一種解決方法是抑制編譯錯誤：
import theano
theano.config.gcc.cxxflags = "-Wno-c++11-narrowing"
這些錯誤對程序正確性的影響程度尚不清楚。當(dāng)我在CentOS 7上編譯時，它們不會出現(xiàn)（即使使用顯式地檢查它們-Wc++11-narrowing）。在Mac OS X上具有抑制錯誤的采樣結(jié)果與在CentOS上沒有采樣結(jié)果是可比的。
我還是希望看到一個可以解釋根本問題的答案。
躍然一笑
TA貢獻(xiàn)1826條經(jīng)驗 獲得超6個贊
是的-您必須對更高尺寸的形狀更加明確。該庫確實有點“聰明”，但是如果您提供shape參數(shù)，它將使用該參數(shù)。
您的示例在語法上通過設(shè)置固定
with pm.Model() as m:
# Parameters
p_g = pm.Beta('p_g', 1., 1., shape=(G, 1))
sd_g = pm.HalfNormal('sd_g', sd=1, shape=(G, 1))
# Observed proportions
p_gk = pm.Beta('p_gk', mu=p_g.dot(np.ones((1,K))), sd=sd_g.dot(np.ones((1, K))), shape=(G, K), observed=data)
trace = pm.sample()
注意，運行將m.check_test_point()顯示p_gk具有0的概率。這是因為sd_g太寬了，PyMC3嘗試將其初始化為0.8，這超出了mu, sd參數(shù)化beta分布的支持。
設(shè)置還sd_g = pm.HalfNormal('sd_g', sd=0.1, shape=(G, 1))允許您從模型中采樣，盡管這可能不是您想要的！
添加回答
舉報
0/150
提交
取消