Comment bien définir le mélange de distributions bêta dans PyMC3

Question

J'essaie d'ajuster les données en utilisant un mélange de deux distributions bêta (je ne connais pas les poids de chaque distribution) en utilisant Mixture de PyMC3. Voici le code:

model=pm.Model() 
with model: 
    alpha1=pm.Uniform("alpha1",lower=0,upper=20) 
    beta1=pm.Uniform("beta1",lower=0,upper=20) 
    alpha2=pm.Uniform("alpha2",lower=0,upper=20) 
    beta2=pm.Uniform("beta2",lower=0,upper=20) 
    w=pm.Uniform("w",lower=0,upper=1) 
    b1=pm.Beta("B1",alpha=alpha1,beta=beta1) 
    b2=pm.Beta("B2",alpha=alpha2,beta=beta2) 
    mix=pm.Mixture("mix",w=[1.0,w],comp_dists=[b1,b2]) 

Après l'exécution de ce code, je reçois l'erreur suivante: AttributeError: 'list' object has no attribute 'mean'. Aucune suggestion?

Answer 1

PyMC3 est livré avec un module pymc3.tests qui contient des exemples utiles. En recherchant ce répertoire pour le mot « mélange » Je suis venu sur this example:

Mixture('x_obs', w, 
     [Normal.dist(mu[0], tau=tau[0]), Normal.dist(mu[1], tau=tau[1])], 
     observed=self.norm_x) 

Notez que le classmethod dist est appelé. Googler « pymc3 dist classmethod » conduit à cette doc page qui explique

... each Distribution has a dist class method that returns a stripped-down distribution object that can be used outside of a PyMC model.

Au-delà de cela, je ne suis pas tout à fait clair pourquoi la distribution stripped-down est ce qui est nécessaire, mais il semble fonctionner:

import pymc3 as pm 

model = pm.Model() 
with model: 
    alpha1 = pm.Uniform("alpha1", lower=0, upper=20) 
    beta1 = pm.Uniform("beta1", lower=0, upper=20) 
    alpha2 = pm.Uniform("alpha2", lower=0, upper=20) 
    beta2 = pm.Uniform("beta2", lower=0, upper=20) 
    w = pm.Uniform("w", lower=0, upper=1) 
    b1 = pm.Beta.dist(alpha=alpha1, beta=beta1) 
    b2 = pm.Beta.dist(alpha=alpha2, beta=beta2) 
    mix = pm.Mixture("mix", w=[1.0, w], comp_dists=[b1, b2]) 

Notez que lors de l'utilisation du dist classmethod, la chaîne de nom est omise.