我在过去几周一直在研究使用Pymc3进行概率编程的概念,我对如何实现特定模型有疑问,我将在下面对其进行描述:
我有一组 N 数据元素,以及一个矩阵 NxN ,它定义了这些元素彼此之间的相互作用(矩阵是对称的)。我还为每个元素都有一个属性 E ,我想对此属性进行建模,如下所示:
模型所说的是,元素M的能量是数据集中所有其他元素的加权和。函数d(M,M_i)是已知的(是我之前描述的NxN矩阵)
我想使用贝叶斯推理对权重alpha_i和sigma进行建模。
到目前为止我的尝试是这样的:
indx = np.arange(0, N )
# The index for the N elements
def estimator( alpha ,x , sigma , ):
# My idea is that this estimator returns the estimated value for the energy for a given set alpha, x , and sigma
return T.sum( alpha*T.exp( -1/(2.0*sigma**2 )*x**2 ) )
with pm.Model() as hi_model:
# Positive prior on sigma, N positive priors for the alphas
sigma = pm.HalfCauchy( 'sigma' , beta = 1 , shape = 1 )
alpha1 = pm.HalfCauchy( 'alphas' , beta = 1 , shape = N )
# An error parameter
sigma_e = pm.HalfCauchy('sigma_e' , beta = 1 )
tau_e = sigma_e**-2
# The energy estimator build using the function above.
# D2s is an NxN matrix, whose column i is a vector of length N
#representing the interaction of the i element with all the other N elements
energy_est = estimator( alpha1 , D2s[indx] , sigma )
ee = pm.Deterministic( 'muu' , energy_est )
y_like = pm.Normal('y_like', mu= ee , tau=tau_e, observed= energy_smp[:N] )
Pymc3允许我在没有错误的情况下从这个模型构建和采样,但是我无法使用采样的alphas sigma来预测"我所观察到的N能量,我已经消失了许多数量级。因此,我担心模型是否被理解为我想要的,或者我是否遗漏了某些东西,而不是构建这种模型的方式。
提前感谢您的帮助:)