python - 如何在 PyMC3 中随时间更新观察结果？

Question

我正在自学 PyMC3，并且正在复制 this changepoint detection example 。我想通过随时间对 2 个不同泊松率参数的后验进行采样来扩展该示例。我将如何继续这样做？

提供更多细节:如果我有示例中的时间序列y。我想首先使用观测值 y[0:2] 进行采样，然后对 y[0:3]、y[0:4] 进行采样， ...，y[0:100]。我的目标是绘制 mu0 和 mu1 (泊松率参数)随时间 2..100 的分布。 显然，我应该能够通过创建大约 98 个不同的模型并对每个模型独立进行采样来做到这一点。然而，这似乎效率相当低，我想知道是否有更好的方法用新的观察结果更新模型并继续跟踪？

我在文档或在线中找不到任何相关内容，因此我尝试仅替换变量，但随后收到“ValueError:变量名称更改点已存在。”。

TLDR；是否有一种有效的方法可以随着时间的推移更新观测值，并使用这些新观测值继续从先前的跟踪中采样？

Answer 1

您是否尝试用 theano.shared 包装 y 并在每一步更新 y 值？像这样的东西:

yshared = theano.shared(y[0:2])
with pm.Model() as m:
    # setup model
    y_obs = pm.SOMEDISTRIBUTION('',..., observed=yshared)
# inference
with m:
    trace.append(pm.sample())
# update value
yshared.set_value(y[0:3])
# inference again
with m:
    trace.append(pm.sample())

如有更多问题，请发帖至https://discourse.pymc.io与您的模型和(模拟)数据。我们更频繁地检查和回答我们的谈话。