Theano - 按组分

Question

我正在研究Theano的自定义似然函数（尝试拟合条件逻辑回归。）

可能性需要按组 按 对值进行求和。在R中我们有＆＃34; ave（）＆＃34;函数，在Python Pandas中我们有＆＃34; groupby（）＆＃34;。我怎么在Theano做类似的事情？

修改了更多详情

我想创建一个cox比例风险模型（与条件逻辑回归相同。）对数似然需要按组的总和：

在熊猫中，这将是：

temp = df.groupby('groupid')['eta'].aggregate(np.sum)
denominator = np.log(temp).sum()

在数据中，我们有一个包含组ID的列，以及要求和的值

group    eta
1        2.1
1        1.8
1        0.9
2        1.2
2        0.75
2        1.42

组合和的输出则为：

group    sum
1        4.8
2        3.37

然后，总和的对数总和：

log(4.8) + log(3.37) = 2.7835

在熊猫中这很容易做到。我怎样才能在Thano做类似的事情？当然，可以写一个nexted循环，但这似乎很慢，我尽量避免手动编码循环，因为它们很慢。

谢谢！

Answer 1

假设你有＆＃34; X＆＃34; （所有你的etas的列表），昏暗。 Nx1（我猜）和一个矩阵H. H是一个NxG矩阵，它具有对这些组的热门编码。

你写的是：

import numpy as np
from numpy import newaxis as na
import theano.tensor as T

X = T.vector()
H = T.matrix()

tmp = T.sum(X[:, na] * H, axis=0)
O = T.sum(T.log(tmp))

x = np.array([5, 10, 10, 0.5, 5, 0.5])
# create a 1-hot encoding
g = np.array([1, 2, 2, 0, 1, 0])
h = np.zeros(shape=(len(x), 3))
for i,j in enumerate(g):
    h[i,j] = 1.0

O.eval({X:x, H: h})

只要每个点至少有一个eta（或者-inf），这个就应该有效。