Question

如果我有一个类似下面的模型，我如何访问theano函数以获得我的模型I＆＃39; m拟合的值？

这是一个非常基本的模型，因此我可以使用原始function计算我的变量。但是，我打算动态生成pymc3模型，其中一些变量被重用/固定/限制等。

我知道我可以从model.makefn([expected])访问theano函数，但这将依赖于转换的参数，例如sigma_log_而不是sigma。

理想情况下，我正在寻找类似model.evalute([expected], alpha=1, beta=2)

的内容

有这样的方法吗？

由于

def function(a, b):
   # do something

basic_model = Model()

with basic_model:

    # Priors for unknown model parameters
    alpha = Normal('alpha', mu=0, sd=10)
    beta = Normal('beta', mu=0, sd=10, shape=2)
    sigma = HalfNormal('sigma', sd=1)

    # Expected value of outcome
    expected = Deterministic('expected', function(alpha,beta))
    # Likelihood (sampling distribution) of observations
    Y_obs = Normal('Y_obs', mu=function, sd=sigma, observed=Y)

Answer 1

这里的典型方法是首先从模型的后验分布中采样，如

with model:
    trace = pm.sample(N_SAMPLES)

然后使用样本来近似函数的后验期望值。

有没有办法从pymc3生成变量？

1 个答案: