【发布时间】：2015-06-20 12:07:41
【问题描述】：
我使用 PyMC 来实现多项式-狄利克雷对。我想为我们拥有的所有实例映射模型。 我面临的问题是，一旦 MAP.fit() 更改了先前的分布。因此，对于每个新实例，我都需要有一个新的先验分布，这应该没问题。但是，我一直看到这个错误：
Traceback (most recent call last):
File "/Users/xingweiy/Project/StarRating/TimePlot/BayesianPrediction/DiricheletMultinomialStarRating.py", line 41, in <module>
prediction = predict.predict(input,prior)
File "/Users/xingweiy/Project/StarRating/TimePlot/BayesianPrediction/predict.py", line 12, in predict
likelihood = pm.Categorical('rating',prior,value = exp_data,observed = True)
File "/Library/Python/2.7/site-packages/pymc-2.3.4-py2.7-macosx-10.9-intel.egg/pymc/distributions.py", line 3170, in __init__
verbose=verbose, **kwds)
File "/Library/Python/2.7/site-packages/pymc-2.3.4-py2.7-macosx-10.9-intel.egg/pymc/PyMCObjects.py", line 772, in __init__
if not isinstance(self.logp, float):
File "/Library/Python/2.7/site-packages/pymc-2.3.4-py2.7-macosx-10.9-intel.egg/pymc/PyMCObjects.py", line 929, in get_logp
raise ZeroProbability(self.errmsg)
pymc.Node.ZeroProbability: Stochastic rating's value is outside its support,
or it forbids its parents' current values.
代码如下：
alpha= np.array([0.1,0.1,0.1,0.1,0.1])
prior = pm.Dirichlet('prior',alpha)
exp_data = np.array(input)
likelihood = pm.Categorical('rating',prior,value = exp_data,observed = True)
MaximumPosterior = inf.inference(prior, likelihood, exp_data)
def inference(prior,likelihood,observation):
model = Model({'likelihood':likelihood,'prior':prior})
M = MAP(model)
M.fit()
result = M.prior.value
result = np.append(result,1- np.sum(M.prior.value))
return result
我认为这是 pymc 包的错误。有没有办法在不改变先前分布的情况下做 MAP？
谢谢
下面链接中的答案解决了我的问题：
【问题讨论】：
-
你能展示你的模型输入吗？
-
它只是一个整数列表，例如[1,5,1,5,3,4]。每个实例都是一个 1 到 10 之间的整数列表。但列表的大小可能不同。
-
顺便说一句，如果我不为每个实例提供新的先验，程序可以毫无问题地运行。但是，结果是错误的，因为在 MAP.fit() 之后更改了先验分布
-
如果您显示完整的代码，我们将更容易重现您的错误。