Сохранение данных из трассировки в PyMC3

Question

Ниже приведен код простой байесовской линейной регрессии. После того, как я получу трассу и графики для параметров, есть ли способ сохранить данные, которые создали графики, в файле, так что если мне нужно будет построить их снова, я могу просто построить их из данных в файле вместо того, чтобы снова запустить всю симуляцию?

import pymc3 as pm
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0,9,5)
y = 2*x + 5
yerr=np.random.rand(len(x))

def soln(x, p1, p2):
    return p1+p2*x

with pm.Model() as model:
    # Define priors
    intercept = pm.Normal('Intercept', 15, sd=5)
    slope = pm.Normal('Slope', 20, sd=5)
    # Model solution
    sol = soln(x, intercept, slope)
    # Define likelihood
    likelihood = pm.Normal('Y', mu=sol,
                        sd=yerr, observed=y)

    # Sampling

    trace = pm.sample(1000, nchains = 1)


pm.traceplot(trace)
print pm.summary(trace, ['Slope'])
print pm.summary(trace, ['Intercept'])
plt.show()

Answer 1

Есть два простых способа сделать это:

1. Используйте версию после 3.4.1 (в настоящее время это означает установку с мастера, с pip install git+https://github.com/pymc-devs/pymc3). Появилась новая функция, позволяющая эффективно сохранять и загружать трассы. Обратите внимание, что вам нужен доступ к модели, которая создала трассировку:

   ...
   pm.save_trace(trace, 'linreg.trace') 
   
   # later
   with model:
      trace = pm.load_trace('linreg.trace') 
   

2. использование cPickle (или же pickle в питоне 3). Обратите внимание, что pickle по крайней мере немного небезопасно, не извлекайте данные из ненадежных источников:

   import cPickle as pickle  # just `import pickle` on python 3
   
   ...
   with open('trace.pkl', 'wb') as buff:
       pickle.dump(trace, buff)
   
   #later
   with open('trace.pkl', 'rb') as buff:
       trace = pickle.load(buff)
   

Answer 2

Обновление для кого-то вроде меня, кто все еще подходит к этому вопросу:

Функции load_trace и save_trace были удалены. Начиная с версии 4.0, даже предупреждение об устаревании этих функций было удалено.

Способ сделать это теперь использовать arviz:

      with model:
   trace = pymc.sample(return_inferencedata=True)
   trace.to_netcdf("filename.nc")

И его можно загрузить с помощью:

      trace = arviz.from_netcdf("filename.nc")

Answer 3

У меня работает такой способ:

      # saving trace
pm.save_trace(trace=trace_nb, directory=r"c:\Users\xxx\Documents\xxx\traces\trace_nb")

# loading saved traces
with model_nb:
    t_nb = pm.load_trace(directory=r"c:\Users\xxx\Documents\xxx\traces\trace_nb")