我尝试移植简单的生存模型从这里(介绍中的第一个)从 PyMC 2 到 PyMC 3。但是,我没有找到任何与“观察到的”装饰器等效的东西,并且我尝试编写新发行版失败了。有人可以提供一个例子,这是如何在 PyMC 3 中完成的吗?
这是一个棘手的移植,需要三个新概念:
- 使用
theano
tensor
- 使用
DensityDist
- 通过一个
dict
as observed
此代码提供与上面链接到的 PyMC2 版本等效的模型:
import pymc3 as pm
from pymc.examples import melanoma_data as data
import theano.tensor as t
times = data.t # not to be confused with the theano tensor t!
failure = (data.censored==0).astype(int)
with pm.Model() as model:
beta0 = pm.Normal('beta0', mu=0.0, tau=0.0001)
beta1 = pm.Normal('beta1', mu=0.0, tau=0.0001)
lam = t.exp(beta0 + beta1*data.treat)
def survival_like(failure, value):
return t.sum(failure * t.log(lam) - lam * value)
survive = pm.DensityDist('survive', survival_like,
observed={'failure': failure, 'value': times})
with model:
start = pm.find_MAP()
step = pm.NUTS(scaling=start)
trace = pm.sample(10000, step=step, start=start)
pm.traceplot(trace);
输出如下:
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)