インクリメンタルモデルの更新pyMC3

Question

pyMC3のモデルを徐々に更新することは可能ですか？私は現在これに関する情報を見つけることができません。すべての文書は、常に先験的に既知のデータで動作しています。

私の理解では、ベイジアンモデルは信念を更新できることを意味します。これはpyMC3でも可能ですか？これについての情報はどこにありますか？

ありがとう:)

Answer 1

をChrisFonnesbeckのアドバイス、@の後、私は、増分更新前についての簡単なチュートリアルのノートブックを書きました。これは、ここで見つけることができます：

https://github.com/pymc-devs/pymc3/blob/master/docs/source/notebooks/updating_priors.ipynb

は基本的に、あなたは彼らからKDEを計算するカスタム連続クラスであなたの事後サンプルをラップする必要があります。次のコードはまさにそれを行います。

def from_posterior(param, samples): 

    class FromPosterior(Continuous): 

     def __init__(self, *args, **kwargs): 
      self.logp = logp 
      super(FromPosterior, self).__init__(*args, **kwargs) 

    smin, smax = np.min(samples), np.max(samples) 
    x = np.linspace(smin, smax, 100) 
    y = stats.gaussian_kde(samples)(x) 
    y0 = np.min(y)/10 # what was never sampled should have a small probability but not 0 

    @as_op(itypes=[tt.dscalar], otypes=[tt.dscalar]) 
    def logp(value): 
     # Interpolates from observed values 
     return np.array(np.log(np.interp(value, x, y, left=y0, right=y0))) 

    return FromPosterior(param, testval=np.median(samples)) 

その後、あなたはパラメータ名と前の反復の後方からの微量のサンプルでfrom_posterior機能を呼び出すことによって、あなたのモデルパラメータ（alpha言う）の前を定義します。

alpha = from_posterior('alpha', trace['alpha'])