pymc - pymc3 中的自定义可能性

Question

如何在 PyMC3 中定义自定义似然？在 PyMC2 中，我可以使用 @pymc.potential .我尝试使用 pymc.Potential然而，在 PyMC3 中，似乎 bool 运算不能应用于参数(当我这样做时，我收到类似 this 的错误)。例如，以下代码不起作用:

from pymc import *

with Model() as model:
    x = Normal('x', 1, 1)

    def z(u):
        if u > 0: #comparisons like this are not supported
        # if theano.tensor.lt(0,u): this is how comparison should be done
            return u ** 2
        return -u**3

    x2 = Potential('x2', z(x))

    start = model.test_point
    h = find_hessian(start)
    step = Metropolis(model.vars, h)
    sample(100, step, start)

我不可能将似然内的所有比较更改为 Theano 语法(即 theano.tensor.{lt,le,eq,neq,gt,ge})。反正有没有使用定义类似于 PyMC2 的似然函数？

Answer 1

您需要使用 DensityDist函数来包装你的对数似然。从与源捆绑的示例中:

with Model() as model:
    lam = Exponential('lam', 1)

    failure = np.array([0, 1])
    value = np.array([1, 0])

    def logp(failure, value):
        return sum(failure * log(lam) - lam * value)

    x = DensityDist('x', logp, observed=(failure, value))

您可以使用 @theano.compile.ops.as_op 进行任意非 Theano 确定性。装饰器，但对于随机指标来说并不那么容易。