python - pymc3多元traceplot颜色编码

Question

我是 pymc3 的新手，我在生成易于阅读的跟踪图时遇到了问题。我将 4 个多元高斯混合拟合到数据集中的某些 (x, y) 点。该模型运行良好。我的问题是关于操作 pm.traceplot() 命令以使输出更加用户友好。这是我的代码:

import matplotlib.pyplot as plt
import numpy as np
model = pm.Model()
N_CLUSTERS = 4
with model:
    #cluster prior
    w = pm.Dirichlet('w', np.ones(N_CLUSTERS))
    #latent cluster of each observation
    category = pm.Categorical('category', p=w, shape=len(points))

    #make sure each cluster has some values:
    w_min_potential = pm.Potential('w_min_potential', tt.switch(tt.min(w) < 0.1, -np.inf, 0))
    #multivariate normal means
    mu = pm.MvNormal('mu', [0,0], cov=[[1,0],[0,1]], shape = (N_CLUSTERS,2) )
    #break symmetry
    pm.Potential('order_mu_potential', tt.switch(
                                                tt.all(
                                                   [mu[i, 0] < mu[i+1, 0] for i in range(N_CLUSTERS - 1)]), -np.inf, 0))
    #multivariate centers
    data = pm.MvNormal('data', mu =mu[category], cov=[[1,0],[0,1]],  observed=points)

 with model:
     trace = pm.sample(1000)

调用 pm.traceplot(trace, ['w', 'mu']) 生成此图像:

如您所见，峰值对应于 x 或 y 值以及哪些配对在一起是不明确的。我已经管理了一个解决方法如下:

from cycler import cycler
#plot the x-means and y-means of our data!
fig, (ax0, ax1) = plt.subplots(nrows=2)
plt.xlabel('$\mu$')
plt.ylabel('frequency')
for i in range(4):
    ax0.hist(trace['mu'][:,i,0], bins=100, label='x{}'.format(i), alpha=0.6);
    ax1.hist(trace['mu'][:,i,1],bins=100, label='y{}'.format(i), alpha=0.6);
ax0.set_prop_cycle(cycler('color', ['c', 'm', 'y', 'k']))
ax1.set_prop_cycle(cycler('color', ['c', 'm', 'y', 'k']))
ax0.legend()
ax1.legend()

这会产生以下更清晰的图:

我已经查看了 pymc3 文档和此处最近的问题，但无济于事。我的问题是:是否可以通过 pymc3 中的内置方法使用 matplotlib 完成我在这里完成的操作，如果可以，怎么做？

Answer 1

最近将多维变量和不同链之间的更好区分添加到 ArviZ(PyMC3 依赖于绘图的库)。

在 ArviZ 的最新版本中，您应该可以:

az.plot_trace(trace, compact=True, legend=True)

获取每个变量的不同维度，以颜色区分，以linestyle区分不同的chain。默认设置使用 matplotlib 的默认颜色循环和 4 种不同的线型，实线、虚线、点线和点划线。通过使用 compact_prop 自定义维度表示和使用 chain_prop 自定义链表示，这两个属性都可以设置为自定义美学和自定义值。此外，如果使用 compact，使用 combined=True 来减少第一列中的困惑也是一个好主意。例如:

az.plot_trace(trace, compact=True, combined=True, legend=True, chain_prop=("ls", "-"))

将使用来自所有链的数据在第一列中绘制 KDE，并将使用实线样式绘制所有链(由于组合 arg，仅与第二列相关)。将显示两个图例，一个用于链信息，另一个用于紧凑信息。