无法在分层 pymc3 模型中创建 lambda 函数

Question

我正在尝试使用 PyMC 3 创建如下所示的模型，但无法弄清楚如何使用 lambda 函数将概率正确映射到观察到的数据。

import numpy as np
import pymc as pm

data = np.array([[0, 0, 1, 1, 2],
                 [0, 1, 2, 2, 2],
                 [2, 2, 1, 1, 0],
                 [1, 1, 2, 0, 1]])
(D, W) = data.shape
V = len(set(data.ravel()))
T = 3
a = np.ones(T)
b = np.ones(V)

with pm.Model() as model:
    theta = [pm.Dirichlet('theta_%s' % i, a, shape=T) for i in range(D)]
    z = [pm.Categorical('z_%i' % i, theta[i], shape=W) for i in range(D)]
    phi = [pm.Dirichlet('phi_%i' % i, b, shape=V) for i in range(T)]
    w = [pm.Categorical('w_%i_%i' % (i, j),
                        p=lambda z=z[i][j], phi_=phi: phi_[z], # Error is here
                        observed=data[i, j])
            for i in range(D) for j in range(W)]

我得到的错误是

AttributeError: 'function' object has no attribute 'shape'

在我尝试构建的模型中，z 的元素指示phi 中的哪个元素给出了data 中相应观察值的概率（放置在 RV w 中）。换句话说，

P(data[i,j]) <- phi[z[i,j]][data[i,j]]

我猜我需要使用 Theano 表达式定义概率或使用 Theano as_op，但我不知道如何为这个模型完成。

Answer 1

您应该将您的分类p 值指定为Deterministic 对象，然后再将它们传递给w。否则，as_op 实现将如下所示：

@theano.compile.ops.as_op(itypes=[t.lscalar, t.dscalar, t.dscalar],otypes=[t.dvector])
def p(z=z, phi=phi):
    return [phi[z[i,j]] for i in range(D) for j in range(W)]