PyMC3 在 Possion 模型创建期间产生错误答案

【问题标题】：PyMC3 generates error during Possion model creationPyMC3 在 Possion 模型创建期间产生错误
【发布时间】：2019-09-23 22:03:29
【问题描述】：

我编写了简单的泊松模型创建代码。但是 PyMC3 会产生一个错误，需要在模型中添加一个额外的变量。

模型看起来不错。但我不确定出了什么问题。

代码：

with pm.Model() as model:

    lambda_1 = pm.Exponential('lambda_1', alpha) # create stochastic    variable
    lambda_2 = pm.Exponential('lambda_2', alpha) #create stochastic variable

    tau = pm.DiscreteUniform("tau", lower=0, upper=size)
    print("Random output:", tau.random(), tau.random(), tau.random())


    def lambda_ (tau=tau, lambda_1 = lambda_1, lambda_2 = lambda_2):
       out = np.zeros(size)
       out[:tau] = lambda_1
       out[tau:] = lambda_2

       return out

   observation = pm.Poisson("obs", lambda_, lambda_value = textfile,    observed=True)

   model = pm.Model(observation, lambda_1, lambda_2, tau)

错误：

文件“”，第 1 行，在
runfile('/home/saul/pythonWork/textmessageAnalysis.py', wdir='/home/saul/pythonWork')

运行文件中的文件“/home/saul/anaconda3/lib/python3.7/site-packages/spyder_kernels/customize/spydercustomize.py”，第 786 行 execfile(文件名，命名空间)

文件“/home/saul/anaconda3/lib/python3.7/site-packages/spyder_kernels/customize/spydercustomize.py”，第 110 行，在 execfile exec（编译（f.read（），文件名，'exec'），命名空间）

文件“/home/saul/pythonWork/textmessageAnalysis.py”，第 51 行，在观察 = pm.Poisson("obs", lambda_, lambda_value = textfile,observed=True)

新中的文件“/home/saul/.local/lib/python3.7/site-packages/pymc3/distributions/distribution.py”，第 31 行 raise TypeError("上下文栈上没有模型，需要这个"

TypeError：上下文堆栈上没有模型，这是实例化分布所必需的。在 'with model:' 块内添加变量，或使用 '.dist' 语法进行独立分发。

【问题讨论】：

您的模型不好，错误太多，无法在答案中简明扼要地解决所有问题。请尝试完成一些 PyMC3 介绍教程（例如，Quick Start Guide），然后将您的模型基于那里的代码作为模板。
感谢您的回复。该模型非常简单，可以在 PyMC 中运行。问题是在 PyMC3 中它会产生上述错误。我会通过教程。但我认为有人遇到了同样的错误，可以帮助我。
可能只是一个复制粘贴错误，但引发错误的行不像其他行那样缩进，这将使它不再在 with 上下文中，这就是错误说。所有声明的pm.RandomVariable 对象都需要附加到pm.Model，这就是with 上下文所提供的。另外，最后你不需要另一个pm.Model()； observed 应该是您的观察值，而不是 boolean。还有更多……最好从有用的东西开始，然后使用它。

标签： python bayesian pymc3 poisson

【解决方案1】：

我解决了这个问题。这个问题主要是由于 PyMC3 的性质与 PyMC 非常不同。

更新后的代码如下。

n_data_points = size   
idx = np.arange(n_data_points)
with model:
    lambda_ = pm.math.switch(tau >= idx, lambda_1, lambda_2)            


with model:
    obs = pm.Poisson("obs", lambda_, observed=textfile)
print(obs.tag.test_value)

model = pm.Model([obs, lambda_1, lambda_2, tau])
print(model)

【讨论】：