如何正确定义PYMC3中β分布的混合物

Question

我正在尝试使用PYMC3中的Mixture的两个beta分布的混合物（我不知道每个分布的权重）。这是代码：

model=pm.Model()
with model:
    alpha1=pm.Uniform("alpha1",lower=0,upper=20)
    beta1=pm.Uniform("beta1",lower=0,upper=20)
    alpha2=pm.Uniform("alpha2",lower=0,upper=20)
    beta2=pm.Uniform("beta2",lower=0,upper=20)
    w=pm.Uniform("w",lower=0,upper=1)
    b1=pm.Beta("B1",alpha=alpha1,beta=beta1)
    b2=pm.Beta("B2",alpha=alpha2,beta=beta2)
    mix=pm.Mixture("mix",w=[1.0,w],comp_dists=[b1,b2])

运行此代码后，我会收到以下错误：AttributeError: 'list' object has no attribute 'mean'。有任何建议吗？

Answer 1

pymc3带有一个包含有用示例的pymc3.tests模块。通过搜索该目录以查看"混合"一词，我遇到了这个示例：

Mixture('x_obs', w,
        [Normal.dist(mu[0], tau=tau[0]), Normal.dist(mu[1], tau=tau[1])],
        observed=self.norm_x)

请注意，clastMethod dist被调用。谷歌搜索" Pymc3 Dist ClassMethod"导致此DOC页面，该页面解释了

...每个Distribution都有一个dist类方法，该方法返回可以在PYMC模型之外使用的脱落分配对象。

除此之外，我还不清楚为什么这里需要剥离的分布，但它似乎有效：

import pymc3 as pm
model = pm.Model()
with model:
    alpha1 = pm.Uniform("alpha1", lower=0, upper=20)
    beta1 = pm.Uniform("beta1", lower=0, upper=20)
    alpha2 = pm.Uniform("alpha2", lower=0, upper=20)
    beta2 = pm.Uniform("beta2", lower=0, upper=20)
    w = pm.Uniform("w", lower=0, upper=1)
    b1 = pm.Beta.dist(alpha=alpha1, beta=beta1)
    b2 = pm.Beta.dist(alpha=alpha2, beta=beta2)
    mix = pm.Mixture("mix", w=[1.0, w], comp_dists=[b1, b2])

请注意，使用dist ClassMethod时，省略了名称字符串。