問題タブ [pymc]

次の論文 ( http://www3.stat.sinica.edu.tw/statistica/oldpdf/A10n416.pdf ) を読んで、分散共分散行列 Σ を次のようにモデル化しています。

Σ = diag(S)*R*diag(S) (論文の式 1)

S は標準偏差の k×1 ベクトル、diag(S) は対角要素 S をもつ対角行列、R は k×k 相関行列です。

PyMC を使用してこれを実装するにはどうすればよいですか?

ここに私が書いたいくつかの初期コードがあります:

ありがとう

[編集]

私はそれが次を使用して行うことができると思います：

この例に従って始めたいと思いました: http://www.databozo.com/2014/01/17/Exploring_PyMC3.html

しかし、pymc 2.3 を使用して例を正確にたどると、終了し、API が UserWarning を変更したことが通知されました。MCMC() 構文は非推奨です。M = MCMC(input) を介してノードを明示的に渡してください。'MCMC() 構文は非推奨です。M = MCMC(input).') を介してノードを明示的に渡してください。ただし、モデル関数に正確に何を提供するために例を変更するか、および「with」句をどのように処理するかについては、良い考えがありません。

問題のコードは次のとおりです。

上記のサンプルデータジェネレーターは正常に動作します

pymcを使用してインストールしようとすると easy_install pymc

次のエラーが表示されます

Ubuntu 12.04 を使用していますが、このエラーを修正するにはどうすればよいですか?

私はいくつかの高エネルギー物理学データの分析に PyMC を使用しています。完璧に機能し、分析が完了し、論文に取り組んでいます。

ただし、小さな問題があります。RAMデータベース バックエンドでサンプラーを実行しました。トレースは、IPython カーネル プロセスのメモリ内に数か月間置かれています。問題は、ワークステーションのサポート スタッフがカーネルのアップグレードを実行してそのワークステーションを再起動したいということです。これにより、トレースが失われます。これらのトレースは、すべてのプロットを作成したものであるため、(単に新しいものを生成するのではなく) 保持したいと思います。また、出版物の補足資料として、トレースの一部 (関心のあるパラメーターのみ) を含めたいと思います。

pymc.MCMCバックエンドで作成されたオブジェクトで既存のチェーンを取得RAMし、別のバックエンドに変更して、チェーン内のトレースを書き出すことは可能ですか?

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。

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：

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:

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：

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

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

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。

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。

私はpymc2に次のモデルを持っています:

このモデルの物理的背景は、銀河の光度関数(LF)、つまり銀河が光度 L を持つ確率です。銀河の種類によっては、LF は単なるガンマ関数です。銀河の調査では通常、ターゲットのかなりの部分、特に光度の低いターゲットを見逃しているため、データの切り捨ての可能性が説明されています。このモデルでは、以下のすべてが欠けていますlmin

この方法の詳細は、ケリーらによるこの論文で見つけることができます。

このモデルは機能します。モデルを実行するMAPと、シミュレートされたデータからパラメーターをMCMC回復できますが、成長するにつれて不確実性が高まります。alphascalesamplelmin

ここで、ガウス測定誤差を挿入したいと思います。簡単にするために、すべてのデータの精度は同じです。エラーも含める可能性を変更していません。

しかし、このモデルは機能しないため、ここで何か間違ったことをしていることは確かです。このモデルで実行すると、とpymc.MAPの初期値が回復しますalphascale

を実行するpymc.MCMCとalpha、betaまったくトレースされません。

再び初期値。実際alpha、たとえば 0.02 で開始するように変更すると、復元された値alphaは 0.02 になります。

これは、作業モデルとシミュレートされたデータを含むノートブックです。

これは、エラー モデルとシミュレートされたデータを含むノートブックです。

この作業を行うためのガイダンスは本当にありがたいです。

ここ (導入の最初のもの) から単純なサバイバル モデルをPyMC 2 から PyMC 3 に移植しようとしました。PyMC 3でこれがどのように行われるか、誰かが例を提供できますか?