【发布时间】:2013-10-17 18:46:53
【问题描述】:
在being unsuccessful in using decorators 定义“指数随机变量的对数”的随机对象之后,我决定使用pymc.stochastic_from_dist 手动编写这个新分布的代码。我尝试实现的模型可在此处获得(第一个模型):
现在,当我尝试使用 MCMC Metropolis 并以正态分布作为建议(如下图所示的采样方法)对日志(alpha)进行采样时,我收到以下错误:
File "/Library/Python/2.7/site-packages/pymc/distributions.py", line 980, in rdirichlet
return (gammas[0]/gammas[0].sum())[:-1]
FloatingPointError: invalid value encountered in divide
尽管采样没有出错的时间,但采样直方图与本文中的直方图相匹配。我的层次模型是:
"""
A Hierarchical Bayesian Model for Bags of Marbles
logalpha ~ logarithm of an exponential distribution with parameter lambd
beta ~ Dirichlet([black and white ball proportions]:vector of 1's)
theta ~ Dirichlet(alpha*beta(vector))
"""
import numpy as np
import pymc
from scipy.stats import expon
lambd=1.
__all__=['alpha','beta','theta','logalpha']
#------------------------------------------------------------
# Set up pyMC model: logExponential
# 1 parameter: (alpha)
def logExp_like(x,explambda):
"""log-likelihood for logExponential"""
return -lambd*np.exp(x)+x
def rlogexp(explambda, size=None):
"""random variable from logExponential"""
sample=np.random.exponential(explambda,size)
logSample=np.log(sample)
return logSample
logExponential=pymc.stochastic_from_dist('logExponential',logp=logExp_like,
random=rlogexp,
dtype=np.float,
mv=False)
#------------------------------------------------------------
#Defining model parameteres alpha and beta.
beta=pymc.Dirichlet('beta',theta=[1,1])
logalpha=logExponential('logalpha',lambd)
@pymc.deterministic(plot=False)
def multipar(a=logalpha,b=beta):
out=np.empty(2)
out[0]=(np.exp(a)*b)
out[1]=(np.exp(a)*(1-b))
return out
theta=pymc.Dirichlet('theta',theta=multipar)
而我的测试抽样代码是:
from pymc import Metropolis
from pymc import MCMC
from matplotlib import pyplot as plt
import HBM
import numpy as np
import pymc
import scipy
M=MCMC(HBM)
M.use_step_method(Metropolis,HBM.logalpha, proposal_sd=1.,proposal_distribution='Normal')
M.sample(iter=1000,burn=200)
当我检查在 distributions.py 的第 978 行中传递给伽马分布的 theta 值时,我看到值不是零而是小值!所以不知道怎么防止这个浮点错误?
【问题讨论】:
-
我认为在distributions.py的主代码中应该有一个异常捕获器,供PyMC处理gammas[0]为零的情况!
-
如果您在测试采样代码中的导入之后添加
np.seterr(divide='ignore')会产生什么结果? -
@alko,谢谢,但仍然是同样的错误。
标签: python random floating-point sampling pymc