data = np.repeat((0, 1), (3, 6))
with pm.Model() as normal_aproximation:
p = pm.Uniform('p', 0, 1)
w = pm.Binomial('w', n=len(data), p=p, observed=data.sum())
map_estimate = pm.find_MAP()
# create a function that evaluates p, given the transformed values
evalfun = normal_aproximation.fn(outs=p)
# create name:value mappings for the free variables (e.g. transformed values)
inp = {v:map_estimate[v.name] for v in model.free_RVs}
# now use that input mapping to evaluate p
p_estimate = evalfun(inp)
2 回答
可能是更简单的解决方案将传递参数
transform=None
,以避免PyMC3进行转换然后使用find_MAP
我让你和一个简单模型的例子 .
你考虑过使用ADVI吗?
我再次遇到这个问题,并找到了一种方法来从转换后的值中获得未转换的值 . 以防其他人需要这样做 . 它的要点是未转换的值基本上是可以在给定转换值的情况下评估的theano表达式 . PyMC3通过提供
Model.fn()
函数来帮助实现这一点,该函数创建了一个按名称接受值的评估函数 . 现在,您只需要为outs
参数提供感兴趣的未转换变量 . 一个完整的例子:outs
也可以接收变量列表,然后evalfun
将以相同的顺序输出相应变量的值 .