pymc MAP警告:随机tau的值既不是数值也不是具有浮点dtype的数组.推荐拟合方法fmin(默认)

Question

我在这里看了一个类似的问题

pymc警告:value既不是数字也不是带有浮点dtype的数组

但是没有答案,有人可以告诉我是否应该忽略这个警告或者做什么呢？

该模型具有随机变量(等等)tau,其是DiscreteUniform

以下是该模型的相关代码:

tau = pm.DiscreteUniform("tau", lower = 0, upper = n_count_data)
lambda_1 = pm.Exponential("lambda_1", alpha)
lambda_2 = pm.Exponential("lambda_2", alpha)
print "Initial values: ", tau.value, lambda_1.value, lambda_2.value

@pm.deterministic
def lambda_(tau = tau, lambda_1 = lambda_1, lambda_2 = lambda_2):
    out = np.zeros(n_count_data)
    out[:tau] = lambda_1
    out[tau:] = lambda_2
    return out

observation = pm.Poisson("obs", lambda_, value = count_data, observed = True)
model = pm.Model([observation, lambda_1, lambda_2, tau]);
m = pm.MAP(model)                    # **This line caueses error**
print "Output after using MAP: ", tau.value, lambda_1.value, lambda_2.value

Answer 1

文档pymc说“MAP只能处理数据类型为float”的变量。您tau来自离散分布，因此它应该具有类似 的 dtype int。如果您调用该fit方法来估计参数的最大后验tau值，则将假定为浮点数。如果这有意义，那么您是否可以忽略此警告取决于当前的问题。如果您的可能性表现良好，您最终可能会得到一个tau接近您实际想要估计的整数值的浮点值。但是，如果您想象一种情况，其中所有非整数值的可能性均为 0，则梯度方法fmin将不起作用，并且您的最大后验值没有任何意义。在这种情况下，您必须找到一种不同的方法来计算最大后验值（同样，取决于手头的问题）。