Question

我在PyMC中对模型进行推断时遇到问题。我试图在一个相当复杂的模型上运行MCMC，我收到一个关于

的错误

hasattr(): attribute name must be string

我在这段代码的最后一行得到了这个（道歉，它很复杂，但我真的不确定问题出在哪里）。

import pymc
from matplotlib import pyplot as plt
import numpy as np

# a is a temp variable
# A is the data : a (2, 779)-shaped array of 0 and 1 only
a = np.loadtxt("PLOM3/data/stoch.csv")
A = np.zeros((2, len(a)-1))
A[0, :] = a[:-1]
A[1, :] = a[1:]

num_cities = 2



# Time
t = range(len(A) - 1)

# Noise term on p
epsilon = pymc.Uniform("epsilon", 0, 1)

# Exponential parameter
gamma = 1. / A.mean(axis = 1)

# Rate of imports
lambda_ = pymc.Exponential("lambda_", gamma, size=num_cities)

# Importations
Y = [pymc.Poisson("Y", lambda_[i], size = A.shape[1]) for i in range(num_cities)]

# Coefficients
alpha = [pymc.Uniform("alpha", 0, 1) for i in range(num_cities)]
beta = [pymc.Uniform("beta", 0, 1) for i in range(num_cities)]

# Refactory Period
delta = pymc.Exponential("delta", 0.2)

# Delay
d = pymc.Uniform("d", 0, 12, size = num_cities)

# Time since last epidemic
tau = np.zeros_like(A)
tmp = np.where(A[i, :] == 1)[0]
for i in range(2) :
    for j in range(len(tmp)-1) :
        tau[i, tmp[j]:tmp[j+1]] = tmp[j]
            tau[i, tmp[-1]:] = tmp[-1]

# Bernoulli probabilities
@pymc.deterministic
def p(delta = delta, tau = tau, alpha = alpha, Y = Y, beta = beta, epsilon = epsilon, t = t) :
    out = np.zeros((2, 1))
    for i in range(2) :
        if t > (tau[i, t] + delta) :
            out[i] = alpha[i] * Y[i] + beta[~1] * A[~1, t - d[i]] + epsilon

# Time Series
X = [pymc.Bernoulli("X", p, size = A.shape[1], value = A[i, :], observed = True) for i in range(num_cities)]



model = pymc.Model([X, p, delta, alpha, beta, Y, lambda_, gamma, epsilon])
mcmc = pymc.MCMC(model)

任何帮助都会非常感激。 PyMC上很少有很好的教程。我正在关注Cameron Davidson-Pilon的优秀书籍，但到目前为止，我找不到任何关于为什么这会给我这个错误的信息。

再次感谢。

回应Cam.Davidson.Pilon：

该模型描述了小群体中的麻疹。重要的因素是人口规模小于麻疹的承载能力，因此，麻疹在每次流行病后都会灭绝，而不是一直流行。然后通过移民重新引入，并在该国发生流行病时通过该国城市之间的国家级迁移。

背景是冰岛，1900年至1964年（preaccination）。我们假设麻疹可以通过泊松过程从海外（Y变量）以及λ（或其他冰岛（X）城市）进行延迟（d）。观察X，每月采样，如果当月有流行病则为1，否则为0。

我们每个城市都有X_i和Y_i。我们假设X_i的值是伯努利分布的，具有流行病p_i的概率，该流量p_i是迁移到该特定城市的函数，具有重要性alpha_i，并且如果它们具有流行病，则还是来自其他城市的迁移的函数（ X_j，j = / = i），系数β_ij，以及噪声epsilon的背景水平，代表麻疹病例可能来自的不确定性。我们还施加了一个不应期的三角洲，以允许城市中的易感个体重生。

我不确定的事情：

epsilon可能没有必要和/或好东西
我想施加alpha_i + sum_j beta_ij，i = / = j小于1的约束
我希望delta以指数形式分布更多，但显然是离散的，因为我们只有月度数据
刚发现d需要是DiscreteUniform
当我将X_j传递给确定p_i时，我可以将其平滑以允许时间抖动，可能只是使用带有Hanning窗口的卷积

我认为这涵盖了正在发生的事情。如果有什么不清楚的地方请告诉我！同样，任何输入都是最受欢迎的。

再次感谢，

昆汀

Answer 1

我可以提供一些建议，并解决您的问题。

包含内联for循环的行应该包含在pymc.Container类中，这使得它们对pymc友好。

同样，您应该区分这些列表中每个变量的名称。例如：

 Y =  pymc.Container([pymc.Poisson("Y_%d"%i, lambda_[i], size = A.shape[1]) for i in range(num_cities)])

这些修复应该有效。感谢您阅读文字！这个例子看起来很有趣，我很想听听这个例子的上下文。

PyMC错误：hasattr（）：属性名必须是字符串

1 个答案: