PyMC3中含双似然函数的足球进球预测模型WAIC计算问题

这个报错的原因很明确：你的模型里有两个独立的似然观测变量（h_goals和a_goals），ArviZ的WAIC函数默认会自动查找模型中的log likelihood数组，但当发现多个时，它无法确定要使用哪一个，因此抛出了这个类型错误。下面是两种可行的解决方法，以及后续模型比较的步骤：

方法1：手动合并整体log likelihood #

最规范的做法是在模型中添加一个确定性变量，将两个似然的log概率相加，得到整个模型的总log likelihood。这样后续计算WAIC时就可以直接指定这个变量，避免歧义：

with pm.Model() as model:
    # 全局参数定义
    h = pm.Normal('h', mu=mu, tau=tau)
    sd_a = pm.Gamma('sd_a', .1, .1)
    sd_d = pm.Gamma('sd_d', .1, .1)
    alpha = pm.Normal('alpha', mu=mu, tau=tau)
    
    # 球队专属参数
    a_s = pm.Normal("a_s", mu=0, sd=sd_a, shape=n)
    d_s = pm.Normal("d_s", mu=0, sd=sd_d, shape=n)
    atts = pm.Deterministic('atts', a_s - tt.mean(a_s))
    defs = pm.Deterministic('defs', d_s - tt.mean(d_s))
    
    # 进球期望计算
    h_theta = tt.exp(alpha + h + atts[h_t] + defs[a_t])
    a_theta = tt.exp(alpha + atts[a_t] + defs[h_t])
    
    # 似然函数
    h_goals = pm.Poisson('h_goals', mu=h_theta, observed=observed_h_goals)
    a_goals = pm.Poisson('a_goals', mu=a_theta, observed=observed_a_goals)
    
    # 合并两个似然的log概率（每个数据点的总log likelihood）
    total_log_likelihood = pm.Deterministic('total_log_likelihood', h_goals.logp + a_goals.logp)

之后计算WAIC时，明确指定这个合并后的变量：

waic = pm.waic(trace, model, var_name='total_log_likelihood')

方法2：直接指定多个似然变量 #

如果你不想修改模型，也可以在调用pm.waic()时，通过var_names参数同时传入两个似然变量。ArviZ会自动将它们的log likelihood相加（因为独立观测的总log概率是各部分的和）：

waic = pm.waic(trace, model, var_names=['h_goals', 'a_goals'])

模型比较步骤 #

当你需要比较多个这类多似然模型时，只需要对每个模型执行上述任意一种WAIC计算方式，然后使用pm.compare()函数进行比较：

# 假设你有两个模型：model1、model2，以及对应的采样结果trace1、trace2
waic_model1 = pm.waic(trace1, model1, var_names=['h_goals', 'a_goals'])
waic_model2 = pm.waic(trace2, model2, var_names=['h_goals', 'a_goals'])

# 执行模型比较
comparison_results = pm.compare({'Model 1': waic_model1, 'Model 2': waic_model2})

# 打印比较结果，默认按WAIC值从小到大排序（值越小模型越好）
print(comparison_results)

注意事项 #

• 两种方法的核心都是确保WAIC计算使用的是整个模型的总log likelihood，也就是每个数据点（每场比赛）对应的主队进球和客队进球的log概率之和。
• 如果使用pm.compare()，也可以直接传入trace和模型对象的字典，它会自动处理WAIC计算，但前提是你已经解决了多似然变量的问题（比如提前合并log likelihood）。

内容的提问来源于stack exchange，提问作者milanDD