pymc3模型在使用默认初始化的采样器中失败，但可与“地图”一起使用

Question

在解决“统计反思”中的问题时-我正在使用pymc3解决“萨拉曼德斯”问题10H4。 （下面的代码）

采样器总是失败，并显示错误：

  

RV alpha。ravel（）[0]的导数为零。

但是当我将init ='map'选项传递给采样器时，我得到的结果与使用R code的其他人相似。强烈建议不要在采样器的输出中使用“ map” init选项，但许多其他init选项也存在问题。

数据为here

我尝试按照与错误消息相关的网络搜索中的建议更改先验条件。

with pm.Model() as hw_10_4:
    alpha = pm.Normal('alpha',mu=0,sd=5)
    beta = pm.Normal('beta',mu=0,sd=5)
    l = pm.Deterministic('lambda',pm.math.exp(alpha + beta*pctcover))
    s = pm.Poisson('salam',l,observed=salaman)
    trace_10_4 = pm.sample(1000, tune=1000, init='map')

我有想要的结果，但是我有兴趣进一步了解为什么我首先遇到问题。我是PYMC3的新手，并想完全了解发生了什么。

谢谢！

Answer 1

是的，PyMC3确实似乎无法很好地处理全局扩展。很高兴Stan似乎不会像PyMC3那样受阻，但实际上在两种情况下，只要将回归预测器标准化就可以进行理想的采样。 PyMC3的某些统计重新思考代码中的The unofficial port就是这样做的for that problem。 FWIW，我通常从scale导入sklearn.preprocessing，其行为与文本中使用的R scale相同。

对于使用MAP初始化，这在高维预测变量空间中主要是一个问题。在这里，我不会只使用一个预测变量。