我正在用Python做贝叶斯推理(手动使用网格搜索)。我想在给定数据的情况下计算每个模型的概率。问题是我只能用log来计算"证据",否则就是0。因此,即使它在0-1之间,我也无法得到
的结果Pr(data|model1) / (Pr(data|model1) + Pr(data|model2))
因为每一项在非对数形式下都是0。
任何想法?
谢谢
设logpr1
为log(data|model1)
, logpr2
为log(data|model2)
,设
In [57]: logpr1 = -802
In [58]: logpr2 = -800
如果你试图用概率(而不是概率的对数)来表示这些,你得到0:
In [59]: np.exp(logpr2)
Out[59]: 0.0
现在要计算
log(Pr(data|model1) / (Pr(data|model1) + Pr(data|model2))),
也可以写成
log(Pr(data|model1)) - log(Pr(data|model1) + Pr(data|model2)).
对于最后一项,您可以使用函数numpy.logaddexp
(这是本答案中的基本提示;另见scipy.misc.logsumexp
)。所以你的计算是:
In [60]: logp = logpr1 - np.logaddexp(logpr1, logpr2)
In [61]: logp
Out[61]: -2.1269280110429918
在这种情况下,这个数字不是很小。实际上,您可以将其表示为简单的概率:
In [62]: np.exp(logp)
Out[62]: 0.11920292202211526