pymc3多类贝叶斯网络 - 如何抽样？

我已经为每个节点设置了3个状态的贝叶斯网络，并且可以从它读取特定状态的logp（如代码中所示）。pymc3多类贝叶斯网络 - 如何抽样？

接下来我想从中抽样。在下面的代码中，抽样运行，但我没有看到输出中三个状态的分布;相反，我看到一个均值和方差就好像它们是连续的节点。我如何获得三种状态的后验？

进口numpy的为NP 进口pymc3作为MC 进口pylab，数学

模型= mc.Model（）与模型：

rain = mc.Categorical('rain', p = np.array([0.5, 0. ,0.5])) 

sprinkler = mc.Categorical('sprinkler', p=np.array([0.33,0.33,0.34])) 

CPT = mc.math.constant(np.array([ [ [.1,.2,.7], [.2,.2,.6], [.3,.3,.4] ],\ 
            [ [.8,.1,.1], [.3,.4,.3], [.1,.1,.8] ],\ 
            [ [.6,.2,.2], [.4,.4,.2], [.2,.2,.6] ] ])) 

p_wetgrass = CPT[rain, sprinkler] 
wetgrass = mc.Categorical('wetgrass', p_wetgrass) 

#brute force search (not working) 
for val_rain in range(0,3): 
    for val_sprinkler in range(0,3): 
     for val_wetgrass in range(0,3): 
      lik = model.logp(rain=val_rain, sprinkler=val_sprinkler, wetgrass=val_wetgrass) 
      print([val_rain, val_sprinkler, val_wetgrass, lik]) 

#sampling (runs but don't understand output) 
if 1: 
    niter = 10000 # 10000 
    tune = 5000 # 5000 
    print("SAMPLING:") 
    #trace = mc.sample(20000, step=[mc.BinaryGibbsMetropolis([rain, sprinkler])], tune=tune, random_seed=124) 
    trace = mc.sample(20000, tune=tune, random_seed=124) 

    print("trace summary") 
    mc.summary(trace)

来源

2017-04-21 charles.fox

回答自己的问题：跟踪不包含分立值，但mc.summary（trace）函数设置为计算连续均值和方差统计量。要制作离散状态的直方图，请使用h = hist（trace.get_values（sprinkler））:-)

来源

2017-04-21 11:23:50

pymc3多类贝叶斯网络 - 如何抽样？

回答

相关问题