我试图将一个简单的生存模型从这里(介绍中的第一个)移植到PyMC 3。然而,我没有找到“observed”装饰器的等效物,我的尝试编写一个新的分布也失败了。有人能提供在PyMC 3中如何完成这个任务的示例吗?
我试图将一个简单的生存模型从这里(介绍中的第一个)移植到PyMC 3。然而,我没有找到“observed”装饰器的等效物,我的尝试编写一个新的分布也失败了。有人能提供在PyMC 3中如何完成这个任务的示例吗?
这是一个棘手的端口,需要三个新概念:
theano
张量DensityDist
dict
作为observed
传递此代码提供了与您上面链接的PyMC2版本相同的模型:
import pymc3 as pm
from pymc.examples import melanoma_data as data
import theano.tensor as t
times = data.t # not to be confused with the theano tensor t!
failure = (data.censored==0).astype(int)
with pm.Model() as model:
beta0 = pm.Normal('beta0', mu=0.0, tau=0.0001)
beta1 = pm.Normal('beta1', mu=0.0, tau=0.0001)
lam = t.exp(beta0 + beta1*data.treat)
def survival_like(failure, value):
return t.sum(failure * t.log(lam) - lam * value)
survive = pm.DensityDist('survive', survival_like,
observed={'failure': failure, 'value': times})
with model:
start = pm.find_MAP()
step = pm.NUTS(scaling=start)
trace = pm.sample(10000, step=step, start=start)
pm.traceplot(trace);
observed={...}
时,参数如何传递到survival_like
?这些参数必须按字母顺序排列吗?谢谢! - Stefan Novaklogp
将使用**data
调用,因此无论顺序如何,字典中的值都将传递到正确的参数。https://github.com/pymc-devs/pymc3/blob/master/pymc3/model.py#L535 - Stefan Novakreturn t.sum(failure * t.log(lam) - lam * value)
应该改为:return t.sum(failure * (t.log(lam) - lam * value))
- Yetti