Python-функция Pymc3 для детерминированной

Question

В этой записной книжке из Байесовских методов для хакеров они создают детерминированную переменную из функции python следующим образом:

# from code line 9 in the notebook
@pm.deterministic
def lambda_(tau=tau, lambda_1=lambda_1, lambda_2=lambda_2):
    out = np.zeros(n_count_data)
    out[:tau] = lambda_1  # lambda before tau is lambda1
    out[tau:] = lambda_2  # lambda after (and including) tau is lambda2
    return out

Я пытаюсь воссоздать этот эксперимент почти точно, но, видимо, @pm.deterministic это не вещь в pymc3. Любая идея, как я мог бы сделать это в pymc3?

Answer 1

Эта модель переведена в порт PyMC3 " Вероятностное программирование и байесовские методы для хакеров" как

with pm.Model() as model:
    alpha = 1.0/count_data.mean()  # Recall count_data is the
                                   # variable that holds our txt counts
    lambda_1 = pm.Exponential("lambda_1", alpha)
    lambda_2 = pm.Exponential("lambda_2", alpha)

    tau = pm.DiscreteUniform("tau", lower=0, upper=n_count_data - 1)

    # These two lines do what the deterministic function did above
    idx = np.arange(n_count_data) # Index
    lambda_ = pm.math.switch(tau > idx, lambda_1, lambda_2)

    observation = pm.Poisson("obs", lambda_, observed=count_data)
    trace = pm.sample()

Обратите внимание, что мы просто используем pm.math.switch (с псевдонимом для theano.tensor.switch) вычислить lambda_, Существует также pm.Deterministic, но здесь это не нужно.