Überlebensanalyse in PyMC 3

Question

Ich habe versucht, ein einfaches Überlebensmodell zu portieren von hier (der erste in der Einleitung) von PyMC 2 zu PyMC 3.Allerdings habe ich kein Äquivalent zu „observed“ decorator gefunden und mein Versuch, eine neue Distribution zu schreiben, ist fehlgeschlagen.Könnte jemand ein Beispiel geben, wie das in PyMC 3 gemacht wird?

Answer 1

Dies ist eine knifflige Portierung und erfordert drei neue Konzepte:

1. Nutzung der theano Tensor
2. Nutzung der DensityDist
3. Vorbei an einem dict als observed

Dieser Code stellt das äquivalente Modell zur PyMC2-Version bereit, auf die Sie oben verlinkt haben:

import pymc3 as pm
from pymc.examples import melanoma_data as data
import theano.tensor as t

times = data.t # not to be confused with the theano tensor t!
failure = (data.censored==0).astype(int)

with pm.Model() as model:

    beta0 = pm.Normal('beta0', mu=0.0, tau=0.0001)
    beta1 = pm.Normal('beta1', mu=0.0, tau=0.0001)
    lam = t.exp(beta0 + beta1*data.treat)

    def survival_like(failure, value):
        return t.sum(failure * t.log(lam) - lam * value)

    survive = pm.DensityDist('survive', survival_like,
                        observed={'failure': failure, 'value': times})

with model:

    start = pm.find_MAP()
    step = pm.NUTS(scaling=start)
    trace = pm.sample(10000, step=step, start=start)

pm.traceplot(trace);

Ausgabe wie folgt: