用 pymc、Python 中的装饰器理解代码

Question

我试图获取有关分层模型的一些信息，发现这篇很棒的帖子：https://sl8r000.github.io/ab_testing_statistics/use_a_hierarchical_model/

在里面，关闭帖子的中间，作者分享了一些代码。有一部分我遇到了麻烦：

@pymc.stochastic(dtype=np.float64)
def hyperpriors(value=[1.0, 1.0]):
  a, b = value[0], value[1]
  if a <= 0 or b <= 0:
    return -np.inf
  else:
    return np.log(np.power((a + b), -2.5))

a = hyperpriors[0]
b = hyperpriors[1]

如您所见，作者使用pymc。现在，我对这里的语法感到困惑。我得到了装饰器的定义，但没有得到a 和b 的方括号的定义。是否有人在该领域有经验并愿意分享幕后发生的事情？

Answer 1

pymc 项目使用装饰器不是返回一个新函数，而是返回一个Stochastic() class instance。

来自文档：

(disaster_model) 中的均匀分布离散随机变量 switchpoint 也可以由计算其对数概率的函数创建，如下所示：

@pymc.stochastic(dtype=int)
def switchpoint(value=1900, t_l=1851, t_h=1962):
    """The switchpoint for the rate of disaster occurrence."""
    if value > t_h or value < t_l:
        # Invalid values
        return -np.inf
    else:
        # Uniform log-likelihood
        return -np.log(t_h - t_l + 1)

请注意，这是一个简单的 Python 函数，前面有一个称为 decorator [vanRossum2010] 的 Python 表达式，这里称为 @stochastic。通常，装饰器通过附加属性或功能来增强功能。由@stochastic 装饰器生成的Stochastic 对象将使用函数switchpoint 评估其对数概率。 value 参数是必需的，它为变量提供初始值。其余参数将被分配为 switchpoint 的父级（即它们将填充父级字典）。

所以hyperpriors 是Stochastic 类的一个实例，它是支持索引的对象。因此，您可以在该对象上使用 hyperpriors[0] 和 hyperpriors[1]。 hyperpriors 不再是函数了。