2

私が書いているモデルの 1 つのステップで、量の誤差関数を計算する必要があります。私がやろうとしていることは次のようになります。

from math import erf
import numpy as np
import pymc as pm

sig = pm.Exponential('sig', beta=0.1, size=10)
x = erf(sig ** 2)

erf配列では機能しないため、これは失敗します。私は試した：

@pm.deterministic
def x(sig=sig):
    return [erf(s) for s in sig]

しかし、成功しませんでしたが、次の方法で結果を得ることができることを知っています:

np_erf = np.vectorize(erf)
x = np_erf((sig ** 2).value)

しかし、これは を生成せず、 のみを生成するため、正しい方法とは思えませpm.Deterministicんnp.array。代わりにどうすればいいですか？(PyMC はバージョン 2.3)

編集:上記の例は、わかりやすくするために単純化されています。実際のコードで関連する箇所がどのように見えるかを次に示します。理想的には、これが機能することを望みます：

mu = pm.LinearCombination('mu', [...], [...])
sig2 = pm.exp(mu) ** 2
f = 1 / (pm.sqrt(np.pi * sig2 / 2.0) * erf(W / sig2))

しかし、メッセージで失敗した場合TypeError: only length-1 arrays can be converted to Python scalars。np.vectorizeルートを行く

np_erf = np.vectorize(erf)
f = 1 / (pm.sqrt(np.pi * sig2 / 2.0) * np_erf(W / sig2))

同じエラー メッセージでクラッシュします。リスト内包表記

@pm.deterministic
def f(sig2=sig2):
    return [1 / (pm.sqrt(np.pi * s / 2.0) * erf(W / s)) for s in sig2]

そのように動作しますが、コードの後半でこの場所でエラーが発生します。

@pm.observed(plot=True)
def y(value=df['dist'], sig2=sig2, f=f):
    return (np.log(np.exp(-(value ** 2) / 2.0 / sig2) * f)).sum()

エラーはAttributeError: logです。

数値近似を使用してエラー関数の計算を行っています。これは、一般的なセットアップが正しいことを意味するはずです。erf関数を直接使用する方が、より適切で明確になります。

4

1 に答える 1

2

解決策を見つけました。pymc.deterministicデコレータを使用して変数を作成する場合、関数に渡されるパラメータは であり、ではないことに気付きませnumpy.arrayんでしpymc.Distributionた。これによりnumpy.vectorize、関数が許可され、変数に適用されます。だから代わりに

sig = pm.Exponential('sig', beta=0.1, size=10)
x = erf(sig ** 2)

使用する必要があります

sig = pm.Exponential('sig', beta=0.1, size=10)
np_erf = np_vectorize(erf)

@pm.deterministic
def x(sig=sig):
    return np_erf(sig ** 2)

そしてそれは動作します。

于 2014-03-03T10:26:42.783 に答える