python-通过蒙特卡洛马尔可夫链的简单贝叶斯网络移植到PyMC3

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python-通过蒙特卡洛马尔可夫链的简单贝叶斯网络移植到PyMC3，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1850字，纯文字阅读大概需要3分钟。

内容图文

我正在将Simple Bayesian Network via Monte Carlo Markov Chain的示例从PyMC2移植到PyMC3,并且可以正常工作.可以在GitHub上以下gist的pymc3_rain_sprinkler_grass_simple_bayesian_network.py文件中找到结果.

我想通过提供证据来扩展原始示例,例如知道草是湿的,然后让PyMC3给我答案,例如“给定的草是湿的,下雨的概率是多少？”.

似乎所得到的轨迹是“恒定的”,例如再也没有随机性的元素了.在主旨中查看pymc3_rain_sprinkler_grass_simple_bayesian_network_with_evidence.py并执行df.drop_duplicates()以了解我的意思.

我究竟做错了什么？

解决方法:

我设法解决了我的问题.要点是将testval设置为“ true”而不是“ false”.改善了将步进方法从Metropolis更改为BinaryGibbsMetropolis的情况.

供参考,这里是完整的解决方案.我还更新了要点.

import numpy as np
import pandas as pd
import pymc3 as pm

niter = 10000  # 10000
tune = 5000  # 5000

model = pm.Model()

with model:
    tv = [1]
    rain = pm.Bernoulli('rain', 0.2, shape=1, testval=tv)
    sprinkler_p = pm.Deterministic('sprinkler_p', pm.math.switch(rain, 0.01, 0.40))
    sprinkler = pm.Bernoulli('sprinkler', sprinkler_p, shape=1, testval=tv)
    grass_wet_p = pm.Deterministic('grass_wet_p', pm.math.switch(rain, pm.math.switch(sprinkler, 0.99, 0.80), pm.math.switch(sprinkler, 0.90, 0.0)))
    grass_wet = pm.Bernoulli('grass_wet', grass_wet_p, observed=np.array([1]), shape=1)

    trace = pm.sample(20000, step=[pm.BinaryGibbsMetropolis([rain, sprinkler])], tune=tune, random_seed=124)

# pm.traceplot(trace)

dictionary = {
              'Rain': [1 if ii[0] else 0 for ii in trace['rain'].tolist() ],
              'Sprinkler': [1 if ii[0] else 0 for ii in trace['sprinkler'].tolist() ],
              'Sprinkler Probability': [ii[0] for ii in trace['sprinkler_p'].tolist()],
              'Grass Wet Probability': [ii[0] for ii in trace['grass_wet_p'].tolist()],
              }
df = pd.DataFrame(dictionary)

p_rain = df[(df['Rain'] == 1)].shape[0] / df.shape[0]
print(p_rain)

p_sprinkler = df[(df['Sprinkler'] == 1)].shape[0] / df.shape[0]
print(p_sprinkler)

内容总结

以上是互联网集市为您收集整理的python-通过蒙特卡洛马尔可夫链的简单贝叶斯网络移植到PyMC3全部内容，希望文章能够帮你解决python-通过蒙特卡洛马尔可夫链的简单贝叶斯网络移植到PyMC3所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端