Байесовская корреляция с PyMC3
Я пытаюсь преобразовать этот пример байесовской корреляции для PyMC2 в PyMC3, но получаю совершенно другие результаты. Самое главное, что среднее многовариантного нормального распределения быстро стремится к нулю, тогда как оно должно составлять около 400 (как для PyMC2). Следовательно, расчетная корреляция быстро идет к 1, что также неверно.
Полный код доступен в этом блокноте для PyMC2 и в этом блокноте для PyMC3.
Соответствующий код для PyMC2
def analyze(data):
# priors might be adapted here to be less flat
mu = pymc.Normal('mu', 0, 0.000001, size=2)
sigma = pymc.Uniform('sigma', 0, 1000, size=2)
rho = pymc.Uniform('r', -1, 1)
@pymc.deterministic
def precision(sigma=sigma,rho=rho):
ss1 = float(sigma[0] * sigma[0])
ss2 = float(sigma[1] * sigma[1])
rss = float(rho * sigma[0] * sigma[1])
return np.linalg.inv(np.mat([[ss1, rss], [rss, ss2]]))
mult_n = pymc.MvNormal('mult_n', mu=mu, tau=precision, value=data.T, observed=True)
model = pymc.MCMC(locals())
model.sample(50000,25000)
Мой порт вышеуказанного кода для PyMC3 выглядит следующим образом:
def precision(sigma, rho):
C = T.alloc(rho, 2, 2)
C = T.fill_diagonal(C, 1.)
S = T.diag(sigma)
return T.nlinalg.matrix_inverse(T.nlinalg.matrix_dot(S, C, S))
def analyze(data):
with pm.Model() as model:
# priors might be adapted here to be less flat
mu = pm.Normal('mu', mu=0., sd=0.000001, shape=2, testval=np.mean(data, axis=1))
sigma = pm.Uniform('sigma', lower=1e-6, upper=1000., shape=2, testval=np.std(data, axis=1))
rho = pm.Uniform('r', lower=-1., upper=1., testval=0)
prec = pm.Deterministic('prec', precision(sigma, rho))
mult_n = pm.MvNormal('mult_n', mu=mu, tau=prec, observed=data.T)
return model
model = analyze(data)
with model:
trace = pm.sample(50000, tune=25000, step=pm.Metropolis())
Версия PyMC3 работает, но явно не возвращает ожидаемый результат. Любая помощь будет высоко оценен.
1 ответ
Подпись вызова pymc.Normal
In [125]: pymc.Normal?
Init signature: pymc.Normal(self, *args, **kwds)
Docstring:
N = Normal(name, mu, tau, value=None, observed=False, size=1, trace=True, rseed=True, doc=None, verbose=-1, debug=False)
Обратите внимание, что третий позиционный аргумент pymc.Normal
является tau
не стандартное отклонение, sd
,
Следовательно, поскольку pymc
код использует
mu = Normal('mu', 0, 0.000001, size=2)
Соответствующий pymc3
код должен использовать
mu = pm.Normal('mu', mu=0., tau=0.000001, shape=2, ...)
или же
mu = pm.Normal('mu', mu=0., sd=math.sqrt(1/0.000001), shape=2, ...)
поскольку tau = 1/sigma**2
,
С этим одним изменением ваш код pymc3 производит (что-то вроде)