Python 无成本函数_Python_Optimization_Machine Learning_Theano

Python 无成本函数

python optimization machine-learning

Python 无成本函数,python,optimization,machine-learning,theano,Python,Optimization,Machine Learning,Theano,我正在努力学习如何使用Theano。我经常使用生存分析，因此我想尝试使用Theano的自动微分和梯度下降实现一个标准的生存模型。我试图实现的模型称为考克斯模型，以下是维基百科的文章：非常有用的是，他们在那里写了部分似然函数，这是在估计Cox模型参数时最大化的函数。我对Theano是一个新手，因此在实现这个成本函数时遇到了困难，因此我正在寻求一些指导这是我到目前为止编写的代码。我的数据集有137条记录，因此我硬编码了该值。T表示张量模，W表示维基百科文章称之为beta，status表示维基百科

我正在努力学习如何使用Theano。我经常使用生存分析，因此我想尝试使用Theano的自动微分和梯度下降实现一个标准的生存模型。我试图实现的模型称为考克斯模型，以下是维基百科的文章：

非常有用的是，他们在那里写了部分似然函数，这是在估计Cox模型参数时最大化的函数。我对Theano是一个新手，因此在实现这个成本函数时遇到了困难，因此我正在寻求一些指导

这是我到目前为止编写的代码。我的数据集有137条记录，因此我硬编码了该值。T表示张量模，W表示维基百科文章称之为beta，status表示维基百科称之为C。其余变量与维基百科的符号相同

def negative_log_likelihood(self, y, status):
    v = 0
    for i in xrange(137):
        if T.eq(status[i], 1):
            v += T.dot(self.X[i], self.W)
            u = 0
            for j in xrange(137):
                if T.gt(y[j], y[i]):
                    u += T.exp(T.dot(self.X[j], self.W))
            v -= T.log(u)

    return T.sum(-v)

不幸的是，当我运行这段代码时，我不幸地遇到了一个无限递归错误，我希望这不会发生。这使我认为我没有以Theano希望的方式实现这个代价函数，因此我希望获得一些关于如何改进代码以使其工作的指导

您正在混合符号和非符号操作，但这不起作用

例如，

T.eq

返回一个不可执行的符号表达式，表示为了相等而比较两个事物的想法，但实际上它并不在那里进行比较

T.eq

实际上返回一个表示相等比较的Python对象，并且由于非

None

对象引用被认为与Python中的

True

相同，因此执行将始终在if语句中继续

如果需要构造包含条件的Theano计算，则需要使用其两个符号条件操作之一：

T.switch

或

Theano.ifelse.ifelse

您还使用了Python循环，这可能不是您所需要的。要构造显式循环的Theano计算，需要使用。然而，如果你能用矩阵运算（点积、约化等）来表达你的计算，那么它将比使用扫描的东西运行得快得多

我建议您在尝试从头开始实现一些复杂的操作之前再进行一些操作。