Question

我不明白为什么MAP在同一场景中MCMC正常工作时会出错？我写的是代码的相关部分。

tau = Uniform('tau', lower=0.01, upper=5, doc='tau') rv = [ Multinomial("rv"+str(i), count[i], prob_distribution[i], value = data[i], observed =True) for i in xrange(0, len(count)) ] M = MAP([rv, tau]) M.fit() tau_hat = M.tau.value()

错误：属性错误：＆＃39; MAP＆＃39;对象没有属性＆＃39; tau＆＃39; （对于最后一行M.tau.value（））

另一方面，如果我使用MCMC代替MAP，它可以正常工作：

m = MCMC([tau, rv]) m.sample(iter = 500) print m.trace('tau')

我想要后点具有最大概率的tau点估计，并将其与贝叶斯预测（我使用MCMC）进行比较

有关变量的一些信息：

prob_distribution是一个确定性函数，给定tau和其他一些信息返回每个游戏的预测概率分布列表。我有大约200个游戏，所以prob_distribution是200个列表的列表（每个列表包含该游戏的动作的概率分布，例如[0.4, 0.4, 0.2]）类似地，count是200个数字的列表，count [i]表示我的次数{{玩了{1}}游戏。 data [i]是i th游戏的观察信息，例如，如果data [i] = th，count [i]将为26

附加说明

如果我包含以下行：

[10 10 6]

然后判断我是否使用

model = Model([rv, tau])或M = MAP(model)

这给出了如下错误：

TypeError：hasattr（）：属性名称必须为字符串

有人可以解释一下发生了什么吗？

Answer 1

在PyMC2中，MCMC对象将模型节点公开为实例变量，但MAP对象不公开。可能值得用pymc-devs提交功能请求。您可以通过用

替换最后一行来获取tau的MAP值

tau_hat = tau.value

此变通办法的完整最小示例如下：

from pymc import *

count = [10, 10]
prob_distribution = [[.5, .5], [.1, .2, .7]]
data = [[2, 8], [2, 3, 5]]

tau = Uniform('tau', lower=0.01, upper=5)
rv = [ Multinomial("rv"+str(i), count[i], prob_distribution[i], value = data[i], observed=True) for i in xrange(0, len(count)) ]
M = MAP([rv, tau])
M.fit()
tau_hat = tau.value

请注意，tau不会被此模型中的数据告知...

PyMC中的MAP出现意外错误

1 个答案: