如何將自定義函數應用於PyMC中的變量？

Question

在我寫的模型中，我必須計算一個數量的誤差函數。我正在試圖做的是這樣的：

from math import erf 
import numpy as np 
import pymc as pm 

sig = pm.Exponential('sig', beta=0.1, size=10) 
x = erf(sig ** 2) 

因爲erf不會對數組工作，就會失敗。我想：

@pm.deterministic 
def x(sig=sig): 
    return [erf(s) for s in sig] 

，但沒有成功，我知道這是可能得到與結果：

np_erf = np.vectorize(erf) 
x = np_erf((sig ** 2).value) 

但是這似乎並不像正確的做法，因爲它不會產生pm.Deterministic但只是一個np.array。我該怎麼做呢？ （PyMC是2.3版本）

---

編輯：以上的例子進行了簡化爲清楚起見，這裏的什麼相關的段落看在真正的代碼。理想情況下，我想這個工作：

mu = pm.LinearCombination('mu', [...], [...]) 
sig2 = pm.exp(mu) ** 2 
f = 1/(pm.sqrt(np.pi * sig2/2.0) * erf(W/sig2)) 

但如果失敗與消息TypeError: only length-1 arrays can be converted to Python scalars。去np.vectorize路線

np_erf = np.vectorize(erf) 
f = 1/(pm.sqrt(np.pi * sig2/2.0) * np_erf(W/sig2)) 

崩潰與相同的錯誤信息。該列表理解

@pm.deterministic 
def f(sig2=sig2): 
    return [1/(pm.sqrt(np.pi * s/2.0) * erf(W/s)) for s in sig2] 

作品本身，而是導致在後面的代碼中的錯誤，在這個地方：

@pm.observed(plot=True) 
def y(value=df['dist'], sig2=sig2, f=f): 
    return (np.log(np.exp(-(value ** 2)/2.0/sig2) * f)).sum() 

，誤差在AttributeError: log。

我已經使用數值近似計算了誤差函數，這應該表示一般設置是正確的。直接使用erf函數會更好，更清晰。

Answer 1

我找到了解決方案。我沒有意識到如果您使用裝飾器創建了一個變量，傳遞給該函數的參數是numpy.array，而不是pymc.Distribution。這允許numpy.vectorize函數並將其應用於變量。因此，而不是

sig = pm.Exponential('sig', beta=0.1, size=10) 
x = erf(sig ** 2) 

你需要使用

sig = pm.Exponential('sig', beta=0.1, size=10) 
np_erf = np_vectorize(erf) 

@pm.deterministic 
def x(sig=sig): 
    return np_erf(sig ** 2) 

和它的作品。

Answer 2

「沒有成功」，你的意思是什麼？什麼是錯誤？

我注意到你沒有在列表理解中使你的sigma平方。這是問題嗎？