Question

我对Python和PyMC有点新，并且取得了快速进展。但我只是对使用设置2D矩阵的确定性值感到困惑。我有一个模型，我无法正确解析。问题与在模型中设置值theta有关。

import numpy as np
import pymc

定义已知变量

N = 2
T = 10
tau = 1

定义模型...我无法正确解析。这是theta的分配，我遇到了麻烦。目的是获得D和x的样本。 Theta只是一个中间变量，但我需要保留它，因为它用于更复杂的模型变体。

def NAFCgenerator():

    D = np.empty(T, dtype=object)
    theta = np.empty([N,T], dtype=object)
    x = np.empty([N,T], dtype=object)

    # true location of signal
    for t in range(T):
        D[t] = pymc.DiscreteUniform('D_%i' % t, lower=0, upper=N-1)

    for t in range(T):
        for n in range(N):
            @pymc.deterministic(plot=False)
            def temp_theta(dt=D[t], n=n):
                return dt==n
            theta[n,t] = temp_theta

            x[n,t] = pymc.Normal('x_%i,%i' % (n,t),
                               mu=theta[n,t], tau=tau)

    return locals()

**编辑**

显式索引对我很有用，因为我正在学习PyMC和Python。但似乎提取MCMC样本有点笨重，例如。

D0values = pymc_generator.trace('D_0')[:]

但我可能错过了一些东西。但是我设法让矢量化版本正常工作

# Approach 1b - actually quite promising
def NAFCgenerator():

# NOTE TO SELF. It's important to declare these as objects
D = np.empty(T, dtype=object)
theta = np.empty([N,T], dtype=object)
x = np.empty([N,T], dtype=object)

# true location of signal
D = pymc.Categorical('D', spatial_prior, size=T)

# displayed stimuli
@pymc.deterministic(plot=False)
def theta(D=D):
    theta = np.zeros([N,T])
    theta[0,D==0]=1
    theta[1,D==1]=1
    return theta

#for n in range(N):    
x = pymc.Normal('x', mu=theta, tau=tau)

return locals()

使用此示例

可能更容易获得MCMC样本

Dvalues = pymc_generator.trace('D')[:]

Answer 1

在PyMC2中，使用装饰器创建确定性节点时，默认设置是从函数名称中获取节点名称。解决方案很简单：将节点名称指定为装饰器的参数。

        @pymc.deterministic(name='temp_theta_%d_%d'%(t,n), plot=False)
        def temp_theta(dt=D[t], n=n):
            return dt==n
        theta[n,t] = temp_theta

这是a notebook that puts this in context。

PyMC，循环中的确定性节点

1 个答案: