質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

87.59%

pymc3でのモデル関数が条件分岐を含む場合の書き方を教えていただきたい

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 1,440

score 7

pymc3でのモデル関数が条件分岐を含む場合の書き方を教えていただきたい

pymc3を用いて、データ解析を行っています。
モデル関数(下記参照)がifを含む条件分岐を含んでいます。
条件分岐を含むpymcでのモデル関数の書き方について教えていただきたい。

条件分岐を含むモデル関数
uの位置で、1次関数として立ち上がる関数です。

@np.vectorize
def model_line(x, u, nor, bg):

    ud = x - u 
    if ud <= 0:
        f =  bg
    else:
        f = nor*ud + bg
    return f


この関数を使ってpymcを行いました。

import pymc3 as pm
import numpy as np
import scipy.stats as stats
import matplotlib.pyplot as plt
import seaborn as sns
plt.style.use('seaborn-darkgrid')
np.set_printoptions(precision=2)
%matplotlib inline


この関数の作図用コード。

#条件分岐を含む関数の作図
xx = np.arange(3, 6.1, 0.1)

y_data = model_line(xx,4.0,1.0,1.0)

plt.plot(xx,y_data)
plt.show()


事後分布を求める

# x, 
# u, gauss
# nor guass
# bg gauss
# y_dataはとりあえず作図用に計算で作ったものを入れています。
with pm.Model() as model:
    u= pm.Normal('u', mu=4.0, sd=1.0)
    nor = pm.Normal('nor', mu=1, sd=1)    
    bg = pm.Normal('bg', mu=1, sd=1)
    epsilon = pm.HalfCauchy('epsilon', 1)

    mu =model_line(xx,u,nor,bg)

    y_pred = pm.Normal('y_pred', mu=mu, sd=epsilon, observed=y_data)

    trace_model = pm.sample(2000, njobs=1)

pm.traceplot(trace_model)
plt.tight_layout()

plt.figure()

発生している問題・エラーメッセージ

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-5-a9cdfea62e7a> in <module>
      9     epsilon = pm.HalfCauchy('epsilon', 1)
     10 
---> 11     mu =model_line(xx,u,nor,bg)
     12 
     13     y_pred = pm.Normal('y_pred', mu=mu, sd=epsilon, observed=y_data)

~\Anaconda3\envs\pymc3\lib\site-packages\numpy\lib\function_base.py in __call__(self, *args, **kwargs)
   1970             vargs.extend([kwargs[_n] for _n in names])
   1971 
-> 1972         return self._vectorize_call(func=func, args=vargs)
   1973 
   1974     def _get_ufunc_and_otypes(self, func, args):

~\Anaconda3\envs\pymc3\lib\site-packages\numpy\lib\function_base.py in _vectorize_call(self, func, args)
   2040             res = func()
   2041         else:
-> 2042             ufunc, otypes = self._get_ufunc_and_otypes(func=func, args=args)
   2043 
   2044             # Convert args to object arrays first

~\Anaconda3\envs\pymc3\lib\site-packages\numpy\lib\function_base.py in _get_ufunc_and_otypes(self, func, args)
   2000 
   2001             inputs = [arg.flat[0] for arg in args]
-> 2002             outputs = func(*inputs)
   2003 
   2004             # Performance note: profiling indicates that -- for simple

<ipython-input-2-22edf684422a> in model_line(x, u, nor, bg)
     17     """
     18     ud = x - u
---> 19     if ud <= 0:
     20         f =  bg
     21 

~\Anaconda3\envs\pymc3\lib\site-packages\theano\tensor\var.py in __bool__(self)
     89         else:
     90             raise TypeError(
---> 91                 "Variables do not support boolean operations."
     92             )
     93 

TypeError: Variables do not support boolean operations.

試したこと

PyMC3で簡単なMCMCチュートリアルを試したメモ
には、以下のようなコードが載っていますが、理解できていません。
(1)itypesは、私の場合、4つありますが、一番最初のxはベクトルにすべきかどうか。Outputもベクトルにすべきか。
(2)vectorizeは関数のデコレータで行っておいた方が良いか
(3)下記のコードを参考に書き換えてもうまくいきませんでした。

# 参照したHPに記載の情報
import theano.tensor as T 
from theano.compile.ops import as_op

@as_op(itypes=[T.lscalar], otypes=[T.lscalar])
def crazy_modulo3(value):
    if value > 0: 
        return value % 3
    else :
        return (-value + 1) % 3


これを踏まえ先ほどのモデル関数を以下のように書き換えました。

import theano.tensor as T 
from theano.compile.ops import as_op

@as_op(itypes=[T.dvector,T.dscalar,T.dscalar,T.dscalar], otypes=[T.dvector])
@np.vectorize
def model_line(x, u, nor, bg):
    ud = x - u 
    if ud <= 0:
        f =  bg
    else:
        f = nor*ud + bg
    return f


再度事後分布を実行

# x, 
# u, gauss
# nor guass
# bg gauss
with pm.Model() as model:
    u= pm.Normal('u', mu=4.0, sd=1.0)
    nor = pm.Normal('nor', mu=1, sd=1)    
    bg = pm.Normal('bg', mu=1, sd=1)
    epsilon = pm.HalfCauchy('epsilon', 1)
    mu =model_line(xx,u,nor,bg)
    y_pred = pm.Normal('y_pred', mu=mu, sd=epsilon, observed=y_data)
    trace_model = pm.sample(2000, njobs=1)

pm.traceplot(trace_model)
plt.tight_layout()
plt.figure()


再度エラーがでました

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-8-a9cdfea62e7a> in <module>
      9     epsilon = pm.HalfCauchy('epsilon', 1)
     10 
---> 11     mu =model_line(xx,u,nor,bg)
     12 
     13     y_pred = pm.Normal('y_pred', mu=mu, sd=epsilon, observed=y_data)

~\Anaconda3\envs\pymc3\lib\site-packages\theano\gof\op.py in __call__(self, *inputs, **kwargs)
    613         """
    614         return_list = kwargs.pop('return_list', False)
--> 615         node = self.make_node(*inputs, **kwargs)
    616 
    617         if config.compute_test_value != 'off':

~\Anaconda3\envs\pymc3\lib\site-packages\theano\gof\op.py in make_node(self, *inputs)
    981             raise ValueError("We expected %d inputs but got %d." %
    982                              (len(self.itypes), len(inputs)))
--> 983         if not all(inp.type == it for inp, it in zip(inputs, self.itypes)):
    984             raise TypeError(
    985                 "We expected inputs of types '%s' but got types '%s' " %

~\Anaconda3\envs\pymc3\lib\site-packages\theano\gof\op.py in <genexpr>(.0)
    981             raise ValueError("We expected %d inputs but got %d." %
    982                              (len(self.itypes), len(inputs)))
--> 983         if not all(inp.type == it for inp, it in zip(inputs, self.itypes)):
    984             raise TypeError(
    985                 "We expected inputs of types '%s' but got types '%s' " %

AttributeError: 'numpy.ndarray' object has no attribute 'type'

補足情報

Pythonは、3.5を利用しています。
Ancondaを利用してpymc3はインストールしました。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

check解決した方法

0

質問をした後、いろいろと調べたところ以下のように書き換えたところうまく動作いたしました。
ご検討いただいた皆様ありがとうございました!

model_line関数とは別の関数を作ります。

def model_line3(x, u, nor, bg):

    ud = x - u 
    f1=bg
    f2=nor*ud + bg

    return pm.math.switch(ud<=0,f1,f2)


pymc3のswich関数を用いました。引数の1番目は条件、2番目は真の条件での実行、3番目は、偽の条件での実行を入力します。

そして、再度mu関数をmodel_line3に書き換え実行します。

# x, 
# u, gauss
# nor guass
# bg gauss
with pm.Model() as model:
    u= pm.Normal('u', mu=4.0, sd=1.0)
    nor = pm.Normal('nor', mu=1, sd=1)    
    bg = pm.Normal('bg', mu=1, sd=1)
    epsilon = pm.HalfCauchy('epsilon', 1)

    mu =model_line3(xx,u,nor,bg)

    y_pred = pm.Normal('y_pred', mu=mu, sd=epsilon, observed=yy_data)

    trace_model = pm.sample(2000, njobs=1)

pm.traceplot(trace_model)
plt.tight_layout()

plt.figure()

参考にしたサイトPyMC3を使って変化点検出のベイズ推論をする

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 87.59%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る