PYMC2 零概率错误

Question

我有一个具有统一先验的 6 个参数的模型：

parameter1 = pm.Uniform('parameter1',0.01,1)
parameter2 = pm.Uniform('parameter2',0,2)
parameter3 = pm.DiscreteUniform('parameter3',1,50)
parameter4 = pm.Uniform('parameter4',0,1.75)
parameter5 = pm.Uniform('parameter5', 0.005, 0.25)
parameter6 = pm.Uniform('parameter6', 0.005, 0.15)

我有一个返回对数似然值的自定义似然函数：

@pm.potential
def log_l(experiment=experiment,parameter1=parameter1,parameter2=parameter2,parameter3=parameter3,parameter4=parameter4,parameter5=parameter5,parameter6=parameter6):

    if parameter5<parameter4:
        return -np.inf

    parameters=[parameter1, parameter2, parameter3]

    log_l=calculate_probability(parameters, t_m, tol, n_integration, parameter4, parameter5, parameter6, experiment.decon_all[freq,:,:])

    return log_l

calculate_probability 是一个 my 函数，它在给定参数值和观察数据的情况下返回此模型的对数似然度。 由于某些原因，当 MCMC 采样时：

model = pm.MCMC([parameter1,parameter2,parameter3,parameter4,parameter5,parameter6,log_l])
model.sample(100)

并且程序满足 if 条件 (parameter5<parameter4) 我收到此错误：

pymc.Node.ZeroProbability: Potential log_l forbids its parents' current values

我想知道是否有人知道我做错了什么？

Answer 1

每the docs:

潜力有一个重要的属性，logp，他们当前的日志 给定其值的概率或概率密度值 父母。唯一感兴趣的其他附加属性是parents，一个 包含潜力父母的字典。

所以你的log_l 的父母是log_l 的参数：

In [11]: list(log_l.parents.keys())
Out[11]: ['experiment', 'parameter2', 'parameter3', 'parameter1', 'parameter4', 
          'parameter6', 'parameter5']

根据this answer（我的重点）：

当一个随机变量被定义为另一个随机变量的函数时， PyMC 检查没有父分布的值导致不可能 子分布的值。

使log_l 返回-np.inf 意味着父变量的某些值是不可能的。因此，PyMC 引发了 ZeroProbability 异常。

---

所以不要使用

来约束模型

if parameter5<parameter4:
    return -np.inf

你可以用

定义parameter5

parameter4 = pm.Uniform('parameter4', 0, 1.75)
parameter5 = pm.Uniform('parameter5', parameter4, 0.25)

确保parameter5 > parameter4。