PyMC3采样如何正确初始化参数 解决initvals不生效问题

• pm.sample()默认的init参数为"auto"，NUTS采样器默认会先跑ADVI变分推断自动计算起始点，你手动在分布里传的initval、在sample里传的initvals都会被这个自动初始化流程覆盖，根本不会作为采样起点使用。
• 你贴出的代码里initvals字典的定义行是被注释状态，如果运行时没取消注释，传入sample的是未定义变量，本身就不会生效。

要强制使用自定义初始值，只需要关闭自动初始化流程即可，修正后的可运行代码如下：

import numpy as np
import pytensor.tensor as at
import pymc as pm

with pm.Model() as model2:
    
    def likelihood(theta,E11,N11):
        Mix_p,alpha1,alpha2,beta1,beta2 = theta
        
        const1=np.log(at.gamma(alpha1+N11)) - np.log(at.gamma(alpha1)) - np.log(at.gamma(N11+1))
        const2=np.log(at.gamma(alpha2+N11)) - np.log(at.gamma(alpha2)) - np.log(at.gamma(N11+1))
        LogL1=const1 - N11*np.log(1+beta1/E11) - alpha1*np.log(1+E11/beta1)
        LogL2=const2 - N11*np.log(1+beta2/E11) - alpha2*np.log(1+E11/beta2)
 
        return(np.log(Mix_p*np.exp(LogL1) + (1-Mix_p)*np.exp(LogL2)))


    alpha1 = pm.Gamma('alpha1', alpha=1, beta=1, initval=0.2)
    beta1 = pm.Gamma('beta1', alpha=1, beta=1, initval=0.1)
    
    alpha2 = pm.Gamma('alpha2', alpha=1, beta=1, initval=2)
    beta2 = pm.Gamma('beta2', alpha=1, beta=1, initval=4)
    
    Mix_p =pm.Uniform('Mix_p',0,1,initval=0.333)
    
    theta = (Mix_p,alpha1,alpha2,beta1,beta2)

    like = pm.Potential('likelihood',likelihood(theta,E11,N11))


initvals = {'Mix_p': 0.333, 'alpha1':0.2,'alpha2': 2, 'beta1': 0.1, 'beta2': 4}    
with model2:
    # 核心参数：init="none" 跳过所有自动初始化，直接使用传入的初始值
    # 如果你用PyMC3<4.0版本，把init="none"改成init=None即可
    # 若需要保留采样器质量矩阵自适应但不替换初始点，可改用init="adapt_diag", jitter=False
    trace = pm.sample(chains=1, initvals=initvals, init="none", random_seed=42)

验证方法 #

采样完成后执行trace.point(0)，返回的第一组采样值和你设置的initvals完全一致，就说明初始值已经生效。
注意不要使用init="advi"、init="jitter+adapt_diag"这类默认带变分优化、随机抖动的初始化选项，这类选项都会覆盖你传入的自定义初始值。

内容的提问来源于stack exchange，提问作者viham1