Python 具有PyMC的最简线性模型

假设我尝试使用以下数据估计一个简单的

y=m*x

问题的斜率：

x_data = np.array([0,1,2,3])
y_data = np.array([0,1,2,3])

很明显，坡度为1。然而，当我在PyMC中运行这个时，我得到10

slope  = pm.Uniform('slope',  lower=0, upper=20)

@pm.deterministic
def y_gen(value=y_data, x=x_data, slope=slope, observed=True):
  return slope * x

model = pm.Model([slope])
mcmc  = pm.MCMC(model)
mcmc.sample(100000, 5000)

# This returns 10
final_guess = mcmc.trace('slope')[:].mean()

但它应该是1

---

注意：以上是PyMC2。您需要定义一个可能性，请尝试以下操作：

import pymc as pm
import numpy as np

x_data = np.linspace(0,1,100)
y_data = np.linspace(0,1,100)

slope  = pm.Normal('slope',  mu=0, tau=10**-2)
tau    = pm.Uniform('tau', lower=0, upper=20)

@pm.deterministic
def y_gen(x=x_data, slope=slope):
  return slope * x

like = pm.Normal('likelihood', mu=y_gen, tau=tau, observed=True, value=y_data)

model = pm.Model([slope, y_gen, like, tau])
mcmc  = pm.MCMC(model)
mcmc.sample(100000, 5000)

# This returns 10
final_guess = mcmc.trace('slope')[:].mean()

---

它返回10，因为您只是从统一的先验值中采样，10是该值的预期值。

您需要设置

value=y\u data，observed=True

，以获取可能性。另外，还有一个小问题，您不需要实例化模型对象。只需将节点（或对locals（）的调用）传递给MCMC即可

我不得不说，你使用的是哪一版本的Pymc？@dartdog-我刚刚更新了帖子。谢谢@twiecki-但是当我运行你的示例时，我得到了一个不同的错误：

ValueError:包含多个元素的数组的真值不明确。使用a.any（）或a.all（）