python - PyMC3:对分类变量进行采样时出现PositiveDefiniteError

我正在尝试使用Dirichlet之前的样本进行简单的分类分布模型。这是我的代码：

import numpy as np
from scipy import optimize
from pymc3 import *

k = 6
alpha = 0.1 * np.ones(k)

with Model() as model:
    p = Dirichlet('p', a=alpha, shape=k)
    categ = Categorical('categ', p=p, shape=1)

    tr = sample(10000)

我得到这个错误：

PositiveDefiniteError: Scaling is not positive definite. Simple check failed. Diagonal contains negatives. Check indexes [0 1 2 3 4]

最佳答案

问题是NUTS无法正确初始化。一种解决方案是使用另一个这样的采样器：

with pm.Model() as model:
    p = pm.Dirichlet('p', a=alpha)
    categ = pm.Categorical('categ', p=p)

    step = pm.Metropolis(vars=p)
    tr = pm.sample(1000, step=step)

在这里，我手动将p分配给Metropolis，然后让PyMC3将categ分配给适当的采样器。

关于python - PyMC3:对分类变量进行采样时出现PositiveDefiniteError，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/40551586/