Theano

Question

我正在为 Theano 开发自定义似然函数（尝试拟合条件逻辑回归。）

可能性需要按组对值求和。在 R 中我们有 "ave()" 函数，在 Python Pandas 中我们有 "groupby()"。我如何在 Theano 中做类似的事情？

编辑了更多细节

我想创建一个 cox 比例风险模型（与条件逻辑回归相同。）对数似然需要按组计算值的总和：

$\sum{_{g=1}^G$

在 Pandas 中，这将是：

temp = df.groupby('groupid')['eta'].aggregate(np.sum) denominator = np.log(temp).sum()

在数据中，我们有一个包含组 ID 的列，以及要求和的值

group eta 1 2.1 1 1.8 1 0.9 2 1.2 2 0.75 2 1.42

组总和的输出将是：

group sum 1 4.8 2 3.37

然后，求和的对数求和：

log(4.8) + log(3.37) = 2.7835

这在 Pandas 中既快速又容易。我怎样才能在 Thano 中做类似的事情？当然，可以编写下一个循环，但这看起来很慢，我尽量避免手动编码循环，因为它们很慢。

谢谢！

Answer 1

假设您有 "X"（所有 etas 的列表），带有暗淡的。 Nx1（我猜）和一个矩阵 H。H 是一个 NxG 矩阵，它具有组的热编码。

你这样写：

import numpy as np
from numpy import newaxis as na
import theano.tensor as T

X = T.vector()
H = T.matrix()

tmp = T.sum(X[:, na] * H, axis=0)
O = T.sum(T.log(tmp))

x = np.array([5, 10, 10, 0.5, 5, 0.5])
# create a 1-hot encoding
g = np.array([1, 2, 2, 0, 1, 0])
h = np.zeros(shape=(len(x), 3))
for i,j in enumerate(g):
    h[i,j] = 1.0

O.eval({X:x, H: h})

只要每个点至少有一个 eta（或者 -inf），这应该可以工作。

Theano - 按组求和

Theano - Sum by group

python