用pymc3定义随机确定性变量

Question

我试图用stochastic pymc3编写我自己的和deterministic变量，但是已经出版的pymc2.3介绍了如何将变量参数化不再有效。例如，我试图使用这种direct方法，但失败了：

def x_logp(value, x_l, x_h):
    if ((value>x_h) or (value<x_l)):
        return -np.inf
    else:
        return -np.log(x_h-x_l+1)
def x_rand(x_l,x_h):
    return np.round((x_h-x_l)*np.random.random_sample())+x_l

Xpos=pm.stochastic(logp=x_logp,
                   doc="X position of halo center ",
                   observed=False, 
                   trace=True,
                   name='Xpos',
                   random=x_rand,
                   value=25.32,
                   parents={'x_l':0,'x_h'=500},
                   dtype=float64,
                   plot=True,
                   verbose=0)

我收到以下错误消息：

ERROR: AttributeError: 'module' object has no attribute 'Stochastic' [unknown]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'module' object has no attribute 'Stochastic'

我想知道如何在不使用装饰器和可用的pymc3发行版的情况下在pymc中定义自己的优先级或可能性？

Answer 1

增加自定义密度的方法主要有两种：

1. Theano表达式(可以使用基于梯度的取样器) 您可以为此使用DensityDist，例如：dists.py
2. Blackbox python函数(只有非梯度采样器，如大都会，或片) Theano有一个可以像这样使用的装饰器：

@theano.compile.ops.as_op(itypes=[t.lscalar, t.dscalar, t.dscalar],otypes=[t.dvector])
def rate(switchpoint,early_mean, late_mean):
    ''' Concatenate Poisson means '''
    out = empty(years)
    out[:switchpoint] = early_mean
    out[switchpoint:] = late_mean
    return out

摘自本例：determinisitc.py

判断可以直接通过组合随机变量来完成，或者，如果您希望它们出现在跟踪中，可以使用例如pm.Determinstic('sum', alpha + beta)。