Question

问题定义：考虑“最简单”模型（来自pymc3示例），类似于以下内容：

model = Model()

data = np.random.normal(size=(2, 20))

with model:
    x = Normal('x', mu=.5, tau=2. ** -2, shape=(2, 1))

    z = Beta('z', alpha=10, beta=5.5)

    d = Normal('data', mu=x, tau=.75 ** -2, observed=data)

    step = NUTS()

    trace = sample(1000, step)

我想改变它，以便我有一个固定的模型结构，但运行几次迭代的采样，每次向前一个（观察的）数据集添加一个新的数据点。由于观察到的数据以某种方式嵌入到模型定义中，因此我知道这样做的唯一方法是将整个模型定义放在循环中：

model = Model()

# a set of initial data points
data = getInitPoints((2,5))

for i in xrange(m):
    with model:
        x = Normal('x', mu=.5, tau=2. ** -2, shape=(2, 1))

        z = Beta('z', alpha=10, beta=5.5)

        d = Normal('data', mu=x, tau=.75 ** -2, observed=data)

        step = NUTS()

        trace = sample(1000, step)
    data = numpy.vstack( (data,getnewPoint( (2,1) ) ) )
    #use the samples

如果模型很大，这可能会产生一些不必要的开销。为了避免重复定义相同模型的开销，我想知道是否有一个解决方案，以便通过类似于以下想法的方式实现相同的结果：

with model:
    x = Normal('x', mu=.5, tau=2. ** -2, shape=(2, 1))

    z = Beta('z', alpha=10, beta=5.5)

data = getInitPoints()

for i in xrange(m):
    # only necessary parts are included in the loop 
    with model:
        d = Normal('data', mu=x, tau=.75 ** -2, observed=data)
                    step = NUTS()
        trace = sample(1000, step)
     data = numpy.vstack((data,getnewPoint()))

甚至更好：

data = getInitPoints()
dataHandle = magicHandle(data)
with model:
    x = Normal('x', mu=.5, tau=2. ** -2, shape=(2, 1))

    z = Beta('z', alpha=10, beta=5.5)
    #
    d = Normal('data', mu=x, tau=.75 ** -2, observed=dataHandle)

    step = NUTS()

for i in xrange(m):
    with model:
        trace = sample(1000, step)
    #  
    dataHandle = numpy.vstack((data,getnewPoint()))

Answer 1

似乎不可能知道。但是这个主题有一个悬而未决的问题，可能有解决方案：https://github.com/pymc-devs/pymc/issues/10

是否有一种解决方法可以将观察到的数据融合到Pymc3中的模型定义中？

1 个答案: