python - PYMC2 ZeroProbability错误

我有一个具有6个参数且具有统一先验的模型：

parameter1 = pm.Uniform('parameter1',0.01,1)
parameter2 = pm.Uniform('parameter2',0,2)
parameter3 = pm.DiscreteUniform('parameter3',1,50)
parameter4 = pm.Uniform('parameter4',0,1.75)
parameter5 = pm.Uniform('parameter5', 0.005, 0.25)
parameter6 = pm.Uniform('parameter6', 0.005, 0.15)

我有一个自定义的似然函数，该函数返回对数似然值：

@pm.potential
def log_l(experiment=experiment,parameter1=parameter1,parameter2=parameter2,parameter3=parameter3,parameter4=parameter4,parameter5=parameter5,parameter6=parameter6):

    if parameter5<parameter4:
        return -np.inf

    parameters=[parameter1, parameter2, parameter3]

    log_l=calculate_probability(parameters, t_m, tol, n_integration, parameter4, parameter5, parameter6, experiment.decon_all[freq,:,:])

    return log_l

其中calculate_probability是我的函数，在给定参数值和观察到的数据的情况下，该函数返回该模型的对数似然率。
由于某些原因，MCMC采样时：

model = pm.MCMC([parameter1,parameter2,parameter3,parameter4,parameter5,parameter6,log_l])
model.sample(100)

并且程序满足if条件（parameter5<parameter4）我收到此错误：

pymc.Node.ZeroProbability: Potential log_l forbids its parents' current values

我想知道是否有人知道我做错了什么？

最佳答案

根据the docs：


  电位具有一个重要属性logp，即它们的当前对数
    给定它们的值的概率或概率密度值
    父母。唯一感兴趣的其他附加属性是parents，
    包含潜在父母的字典。


因此，您log_l的父母是log_l的参数：

In [11]: list(log_l.parents.keys())
Out[11]: ['experiment', 'parameter2', 'parameter3', 'parameter1', 'parameter4',
          'parameter6', 'parameter5']

根据this answer（我的重点）：


  当一个随机变量被定义为另一个随机变量的函数时，
    PyMC检查父分配的值是否不会导致不可能
    子分布的值。


使log_l返回-np.inf意味着父变量的某些值是不可能的。因此，PyMC引发ZeroProbability异常。



因此，与其使用来约束模型

if parameter5<parameter4:
    return -np.inf

您可以使用定义parameter5

parameter4 = pm.Uniform('parameter4', 0, 1.75)
parameter5 = pm.Uniform('parameter5', parameter4, 0.25)

确保parameter5 > parameter4。

关于python - PYMC2 ZeroProbability错误，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/51885175/