#python #statistics #pymc3 #arviz
#python #Статистика #pymc3 #арвиз
Вопрос:
Я прохожу курс статистического переосмысления с использованием PyMC3. В конце главы 4 запрашивается ИРЧП отдельных значений для точек данных, которых не было в исходном (!Kung) наборе данных. Возможно ли это сделать в PyMC3?
В scikit-learn у вас есть fit()
и predict()
, и вы можете предсказать результат для совершенно новых входных данных.
С помощью PyMC3 вы можете sample()
получить свою трассировку и запросить последующую прогностическую проверку, но я не смог передать ему какие-либо параметры для интересующих меня значений. Мне удалось сделать это окольным путем, используя общие переменные theano, а также вручную.
редактировать: я добавил пример pm.Data()
и pm.set_data()
в самом конце. Я думаю, что это может быть ответом, но я жду, пока кто-нибудь другой подтвердит, прежде чем я отмечу его как ответ.
Вот что я сделал.
weight_s
это стандартизированные данные о весе. Стандартизация выполняется с помощью этой функции:
def standardize(array, reference=None):
if reference is None:
reference = array
return (array - reference.mean()) / reference.std()
Вот модель PyMC3:
import pymc3 as pm
with pm.Model() as m_adult:
a = pm.Normal("α", mu=155, sd=20)
b = pm.Lognormal("β", mu=0, sd=1)
mu = pm.Deterministic("μ", a b * adults.weight_s)
sigma = pm.Uniform("σ", 0, 50)
height = pm.Normal("height", mu=mu, sd=sigma, observed=adults.height)
trace_adult = pm.sample()
Вот как выглядят данные (обратите внимание, что ИРЧП составляет 89%):
height_pred = pm.fast_sample_posterior_predictive(trace_adult, model=m_adult)["height"]
fig, ax = plt.subplots()
ax.plot(adults.weight, adults.height, ".")
ax.plot(adults.weight, trace_adult.μ.mean(axis=0), color="black")
az.plot_hdi(adults.weight, trace_adult.μ, ax=ax, color="black")
az.plot_hdi(adults.weight, height_pred, ax=ax)
ax.set(xlabel="weight", ylabel="height")
fig.tight_layout()
Сначала я покажу вам ручную версию:
missing_weights = np.array([45, 40, 65, 31, 53])
expected_height = np.array([
(trace_adult.α trace_adult.β * standardize(weight, adults.weight)).mean()
for weight in missing_weights
])
hdis = np.array([
az.hdi(np.random.normal(
trace_adult.α trace_adult.β * standardize(weight, adults.weight),
trace_adult.σ,
)) for weight in missing_weights
])
data = np.vstack((missing_weights, expected_height, hdis.T)).T
missing_df = pd.DataFrame(, columns=["weight", "expected_height", "hdi_lower", "hdi_upper"])
print(missing_df)
Это дает нам:
weight expected_height hdi_lower hdi_upper
0 45 154.603176 146.981285 163.149938
1 40 150.105295 142.095583 158.474277
2 65 172.594698 164.401102 180.786641
3 31 142.009110 134.163952 150.233028
4 53 161.799785 153.881956 170.209779
Цифры имеют смысл, если вы посмотрите на график.
Теперь для общей переменной. Мы можем изменить модель следующим образом:
from theano import shared
shared_weights_s = shared(adults.weight_s.values)
with pm.Model() as m_adult:
a = pm.Normal("α", mu=155, sd=20)
b = pm.Lognormal("β", mu=0, sd=1)
mu = pm.Deterministic("μ", a b * shared_weights_s)
sigma = pm.Uniform("σ", 0, 50)
height = pm.Normal("height", mu=mu, sd=sigma, observed=adults.height)
trace_adult = pm.sample()
Теперь у нас есть три варианта для нового значения shared_weights:
- Выполняйте действия одно за другим
- Заменить неизвестными весами
- Добавить в конец
Для индивидуального случая:
missing_weights = np.array([45, 40, 65, 31, 53])
rows = []
for weight in missing_weights:
row = [weight]
shared_weights_s.set_value(standardize(np.array([weight]), adults.weight))
height_pred_single = pm.fast_sample_posterior_predictive(trace_adult, model=m_adult)["height"]
row.append(height_pred_single.mean())
row.extend(list(az.hdi(height_pred_single).mean(axis=0)))
rows.append(row)
missing_df = pd.DataFrame(rows, columns=["weight", "expected_height", "hdi_lower", "hdi_upper"])
print(missing_df)
Doing it for all of them gives us:
weight expected_height hdi_lower hdi_upper
0 45 154.604520 146.485327 162.713345
1 40 150.113378 142.001151 158.263953
2 65 172.580212 164.357970 180.843184
3 31 142.010954 133.786200 150.142080
4 53 161.792962 153.651266 169.926615
You can do them all at once:
missing_weights = np.array([45, 40, 65, 31, 53])
shared_weights_s.set_value(standardize(missing_weights, adults.weight))
height_pred_replace = pm.fast_sample_posterior_predictive(trace_adult, model=m_adult)["height"]
missing_df = pd.DataFrame(missing_weights, columns=["weight"])
missing_df["expected_height"] = height_pred_replace.mean(axis=0)
missing_df[["hdi_lower", "hdi_upper"]] = az.hdi(height_pred_replace)
print(missing_df)
Which gives us:
weight expected_height hdi_lower hdi_upper
0 45 154.578096 147.066342 163.069805
1 40 150.042506 141.561599 158.120596
2 65 172.568430 164.079591 180.536870
3 31 142.080048 134.173959 150.345556
4 53 161.830472 153.327694 169.717058
Finally, we can add it to the end of the previous shared weight variable and take the tail:
missing_weights = np.array([45, 40, 65, 31, 53])
shared_weights_s.set_value(np.append(adults.weight_s.values, standardize(missing_weights, adults.weight)))
height_pred_append = pm.fast_sample_posterior_predictive(trace_adult, model=m_adult)["height"]
missing_df = pd.DataFrame(missing_weights, columns=["weight"])
missing_df["expected_height"] = height_pred_append.mean(axis=0)[-len(missing_weights):]
missing_df[["hdi_lower", "hdi_upper"]] = az.hdi(height_pred_append)[-len(missing_weights):]
print(missing_df)
Что дает нам:
weight expected_height hdi_lower hdi_upper
0 45 154.640287 146.093825 162.477313
1 40 150.088713 142.168331 158.314038
2 65 172.633776 164.086280 180.483805
3 31 142.019331 133.516545 150.491937
4 53 161.880175 153.530868 169.771088
Как вы можете видеть, все эти методы в конечном итоге дают одинаковые результаты. Есть ли официальный / лучший способ сделать это? Можно ли это сделать без настройки глобальной общей переменной и ее изменения? Есть ли у PyMC3 такая функция или это что-то, что может быть добавлено в будущем? (Возможно, я смогу сделать запрос на извлечение для этого, если это достаточно просто; я все еще новичок в PyMC3.)
редактировать: я думаю, что нашел ответ: использовать pm.Data()
.
with pm.Model() as m_adult:
weight_s = pm.Data("weight_s", adults.weight_s.values)
a = pm.Normal("α", mu=155, sd=20)
b = pm.Lognormal("β", mu=0, sd=1)
mu = pm.Deterministic("μ", a b * weight_s)
sigma = pm.Uniform("σ", 0, 50)
height = pm.Normal("height", mu=mu, sd=sigma, observed=adults.height)
trace_adult = pm.sample()
Затем, при попытке что-то сделать, мы pm.set_data()
:
missing_weights = np.array([45, 40, 65, 31, 53])
with m_adult:
pm.set_data({"weight_s": standardize(missing_weights, adults.weight)})
height_pred_data = pm.fast_sample_posterior_predictive(trace_adult)["height"]
missing_df = pd.DataFrame(missing_weights, columns=["weight"])
missing_df["expected_height"] = height_pred_data.mean(axis=0)
missing_df[["hdi_lower", "hdi_upper"]] = az.hdi(height_pred_data)
print(missing_df)
Что дает:
weight expected_height hdi_lower hdi_upper
0 45 154.584063 145.828088 162.512174
1 40 150.184853 142.272258 158.451555
2 65 172.662069 164.522903 180.803430
3 31 141.949137 133.310865 149.811098
4 53 161.719867 153.848599 169.638495
Комментарии:
1. Как подробно описано в документации: docs.pymc.io/notebooks/data_container.html это действительно рекомендуемый метод для прогнозирования с использованием новых входных переменных. Я сам делаю это, просто заменяя все значения в общей переменной Theano.
Ответ №1:
Я думаю, что нашел ответ: использовать pm.Data()
.
with pm.Model() as m_adult:
weight_s = pm.Data("weight_s", adults.weight_s.values)
a = pm.Normal("α", mu=155, sd=20)
b = pm.Lognormal("β", mu=0, sd=1)
mu = pm.Deterministic("μ", a b * weight_s)
sigma = pm.Uniform("σ", 0, 50)
height = pm.Normal("height", mu=mu, sd=sigma, observed=adults.height)
trace_adult = pm.sample()
Затем, при попытке что-то сделать, мы pm.set_data()
:
missing_weights = np.array([45, 40, 65, 31, 53])
with m_adult:
pm.set_data({"weight_s": standardize(missing_weights, adults.weight)})
height_pred_data = pm.fast_sample_posterior_predictive(trace_adult)["height"]
missing_df = pd.DataFrame(missing_weights, columns=["weight"])
missing_df["expected_height"] = height_pred_data.mean(axis=0)
missing_df[["hdi_lower", "hdi_upper"]] = az.hdi(height_pred_data)
print(missing_df)
Что дает:
weight expected_height hdi_lower hdi_upper
0 45 154.584063 145.828088 162.512174
1 40 150.184853 142.272258 158.451555
2 65 172.662069 164.522903 180.803430
3 31 141.949137 133.310865 149.811098
4 53 161.719867 153.848599 169.638495