PyMC 3 中的生存分析

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：

1. 使用theano tensor
2. 使用DensityDist
3. 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：