pymc3 模型在默认初始化的采样器中失败，但适用于 'map'

Question

在解决 "Statistical Rethinking" 中的问题时 - 我正在使用 pymc3 解决 "Salamanders" 问题 10H4。（下面的代码）

采样器总是因错误而失败：

The derivative of RV alpha.ravel()[0] is zero.

但是当我将 init='map' 选项传递给采样器时，我得到了与使用 R code 的其他人相似的结果。 'map' init 选项在采样器的输出中被严重劝阻，但许多其他 init 选项也有问题。

数据为here

我已尝试按照与错误消息相关的网络搜索中的建议更改先验。

with pm.Model() as hw_10_4:
    alpha = pm.Normal('alpha',mu=0,sd=5)
    beta = pm.Normal('beta',mu=0,sd=5)
    l = pm.Deterministic('lambda',pm.math.exp(alpha + beta*pctcover))
    s = pm.Poisson('salam',l,observed=salaman)
    trace_10_4 = pm.sample(1000, tune=1000, init='map')

我得到了我想要的结果，但我有兴趣更多地了解我最初遇到问题的原因。我是 PYMC3 的新手，想完全了解发生了什么。

谢谢！

Answer 1

是的，PyMC3 似乎确实不能很好地处理全局缩放。很高兴 Stan 似乎不像 PyMC3 那样窒息，但实际上在这两种情况下，当回归预测变量标准化时，理想的抽样都会发生。 The unofficial port of some of the Statistical Rethinking code to PyMC3 does exactly this for that problem。 FWIW，我通常从 sklearn.preprocessing 导入 scale，它的行为与文本中使用的 R scale 相同。

至于使用 MAP init，这主要是 high-dimensional 预测器 space 的问题。我不会在这里只用一个预测器。

pymc3 模型在默认初始化的采样器中失败，但适用于 'map'

pymc3 Model fails in sampler with default init, but works with 'map'

python

pymc3