python - 在 pymc3 混合模型采样步骤中包括簇数

Question

改编自this SO question为了分离高斯混合物，我希望在采样步骤中包括簇(混合物)的数量 - 假设它是未知的。

当集群数量 k 时，此脚本有效。已知:

import numpy as np
import pymc3 as pm
import theano.tensor as tt

n = [500, 200, 300]
means = [21.8, 42.0, 62.7]

precision = 0.1
sigma = np.sqrt(1 / precision)

data = np.concatenate([np.random.normal(loc=mean1, scale=sigma, size=n1)
                          for n1, mean1 in zip(n, means)])
k = len(n)
with pm.Model() as model1:
    p = pm.Dirichlet('p', a=np.ones(k))
    means = pm.Uniform('mean', 15, 80, shape=k)
    sigma = pm.Uniform('sigma', 0, 20)

    process = pm.NormalMixture('obs', p, means, sd=sigma, observed=data)

with model1:
    trace = pm.sample(10000)

我尝试了几种不同的采样方式k ，但没有一个起作用:

with pm.Model() as model1:
    k = pm.DiscreteUniform('k', lower=2, upper=5)
    ones_k = tt.ones(k) #or ones_k = np.ones(k)
    p = pm.Dirichlet('p', a=ones_k)
    means = pm.Uniform('mean', 15, 80, shape=k)
    sigma = pm.Uniform('sigma', 0, 20)

    process = pm.NormalMixture('obs', p, means, sd=sigma, observed=data)

我收到错误 TypeError: Alloc object argument after * must be an iterable, not FreeRV在线ones_k = tt.ones(k) ，显然tt.ones需要一个可迭代的而不是 pymc3.FreeRV 作为参数。我很感激任何提示/建议。谢谢!

Answer 1

实际的错误消息与您对 tt.ones() 的使用有关，它需要一个可迭代的参数:tt.ones([k])。但是，这对您没有帮助，因为 pymc3 不支持在采样期间改变其形状的变量。您可以尝试边缘化参数数量并使用 pm.Potential 添加 logp。