PyMC3 二项开关点模型高度依赖于 testval

Question

我在 PyMC3 中设置了以下二项式切换点模型：

with pm.Model() as switchpoint_model:

    switchpoint = pm.DiscreteUniform('switchpoint', lower=df['covariate'].min(), upper=df['covariate'].max())

    # Priors for pre- and post-switch parameters
    early_rate = pm.Beta('early_rate', 1, 1)
    late_rate = pm.Beta('late_rate', 1, 1)

    # Allocate appropriate binomial probabilities to years before and after current
    p = pm.math.switch(switchpoint >= df['covariate'].values, early_rate, late_rate)

    p = pm.Deterministic('p', p)

    y = pm.Binomial('y', p=p, n=df['trials'].values, observed=df['successes'].values)

它似乎运行很好，除了它完全集中在开关点 (999) 的一个值上，如下所示。

经进一步调查，该模型的结果似乎高度依赖于起始值（在 PyMC3 中，"testval"）。下面显示了当我设置 testval = 750 时发生的情况。

switchpoint = pm.DiscreteUniform('switchpoint', lower=gp['covariate'].min(), 
upper=gp['covariate'].max(), testval=750)

我得到了类似的不同结果，但起始值不同。

对于上下文，这是我的数据集的样子：

我的问题是：

我的模型指定有误吗？
如果指定正确，我应该如何解释这些结果？特别是，我如何比较 / select 不同测试值生成的结果？我唯一的想法是使用 WAIC 评估样本外性能...

Answer 1

具有离散值的模型可能会出现问题，所有使用导数的优秀采样技术都不再有效，并且它们的行为很像多模态分布。我真的不明白为什么在这种情况下会 that 有问题，但是您可以尝试为切换点使用连续变量（从概念上讲这不是也更有意义吗？ ).

PyMC3 二项开关点模型高度依赖于 testval

PyMC3 binomial switchpoint model highly dependent on testval

python

statistics

pymc3

mcmc