Вычисленная логарифмическая вероятность PyMC @observed не может быть приведена к ошибке с плавающей запятой

У меня возникли небольшие проблемы с переключением пользовательской переменной @stochasitc на переменную @observed в PyMC. У меня есть стохастическая переменная, настроенная следующим образом:

def age_logp(age):
    if age < 0 or age > 110:
        return -np.inf
    elif 0 <= age < 20:
        prob = age_dist['0-20']
    elif 20 <= age < 40:
        prob = age_dist['20-40']
    elif 40 <= age < 60:
        prob = age_dist['40-60']
    elif 60 <= age < 80:
        prob = age_dist['60-80']
    elif age >= 80:
        prob = age_dist['80-inf']
    return np.log(prob)


@pymc.stochastic
def age(value=0):
    def logp(value):
        return age_logp(value)

Как мне переключить это на наблюдаемую переменную? Я пробовал это до сих пор:

@pymc.observed
def age(value=np.array([12, 43, 28, 39, 87, 26])):
    return map(age_logp, value)

Но я получаю TypeError: age: computed log-probability [-1.639897119918809, -1.3394107752210402, -1.0876723486297752, -1.0876723486297752, -3.1235656450638758, -1.0876723486297752] cannot be cast to float

Как расширить age, чтобы получить массив наблюдаемых значений?


pymc
person calstad    schedule 09.01.2015    source источник

Ответы (1)


arrow_upward
3
arrow_downward

Вы все правильно поменяли местами, но если вы хотите смоделировать несколько наблюдаемых значений как независимые, вы можете суммировать их в объединенном логарифмическом правдоподобии:

@pymc.observed
def age(value=np.array([12, 43, 28, 39, 87, 26])):
    return sum(map(age_logp, value))

Вы можете комбинировать их каким-либо другим способом, если хотите. Суть в том, что age должно возвращать скалярное значение.

person Abraham D Flaxman    schedule 12.01.2015
comment
Я не понимаю... Почему вы можете добавить их? - person Delosari; 19.02.2016