如何在PYMC3中添加确定性向量运算？

Question

如何在PYMC3中实现确定性向量运算？例如模型：

M ~ Unif(-5, 5)
S ~ Unif(0, |1 / M|)
data ~ Normal(M, S)

M是高斯观测值的平均值，S是标准差。假定标准差均匀分布在[0，| 1/M |]（M为负时需要abs值）。在

此代码：

^{pr2}$

出现错误：

  File "/Users/mvd/anaconda/lib/python2.7/site-packages/pymc3/distributions/distribution.py", line 67, in get_test_val
    str(defaults) + " pass testval argument or adjust so value is finite.")
AttributeError: <pymc3.distributions.continuous.Uniform object at 0x10d1e1f10> has no finite default value to use, checked: ['median', 'mean', 'mode'] pass testval argument or adjust so value is finite.

我需要使用ano来实现向量的这个操作吗？在

Answer 1

我想你的模型中有问题的部分是1/M。因为当M接近0时，这会变成无穷大。实际上，在您的示例中，M的第一个建议值是0（上下边界的平均值），因此您得到的是“非有限值”的错误（误差来自变量S）。在

解决此问题的一种方法是将一个合理的testval值传递给M（在本例中，除了0以外的任何值），例如：

M = pm.Uniform("M", -5., 5., shape=size, testval=0.1)

现在M将被初始化为0.1（而不是0）

顺便说一句，直觉上我认为NUTS很难从这个模型中正确地取样，因此我认为Metropolis可能是一个更好的选择，但请随意使用不同的采样器进行试验。在