Überlebensanalyse in PyMC 3

Question

Ich habe versucht, einfache Überlebensmodell from here (the first one in introduction) Form PyMC 2 PyMC 3 zu portieren. Allerdings fand ich keine Entsprechung zu "beobachteten" Dekorator und mein Versuch, eine neue Verteilung schreiben fehlgeschlagen. Kann jemand ein Beispiel geben, wie ist das in PyMC 3 gemacht?

Answer 1

Dies ist eine schwierige Port und erfordert drei neue Konzepte:

1. Verwendung des theano Tensor
2. Verwendung des DensityDist
3. eine dict als observed

Dieser Code Passing stellt das entsprechende Modell als PyMC2-Version zur Verfügung, die Sie oben verlinkt haben:

import pymc3 as pm 
from pymc.examples import melanoma_data as data 
import theano.tensor as t 

times = data.t # not to be confused with the theano tensor t! 
failure = (data.censored==0).astype(int) 

with pm.Model() as model: 

    beta0 = pm.Normal('beta0', mu=0.0, tau=0.0001) 
    beta1 = pm.Normal('beta1', mu=0.0, tau=0.0001) 
    lam = t.exp(beta0 + beta1*data.treat) 

    def survival_like(failure, value): 
     return t.sum(failure * t.log(lam) - lam * value) 

    survive = pm.DensityDist('survive', survival_like, 
         observed={'failure': failure, 'value': times}) 

with model: 

    start = pm.find_MAP() 
    step = pm.NUTS(scaling=start) 
    trace = pm.sample(10000, step=step, start=start) 

pm.traceplot(trace); 

Ausgabe wie folgt: