如何解决Python贝叶斯分析自定义似然函数出现的<class 'int'>错误

AI 小北

2026-9-29

问题排查与修复方案

你的代码存在3类核心问题，依次修复即可解决报错：

错误点说明

混用Gurobi的quicksum与PyMC3生态：Gurobi的求和函数仅适用于整数规划建模场景，返回的专属表达式类型和PyMC3依赖的张量计算体系完全不兼容，这是触发<class 'int'>类型错误的直接原因。
自定义似然函数运算不符合PyMC3要求：函数中使用的Python原生range循环、pandas专属astype(int)方法都无法被PyMC3的自动微分系统识别，直接引用模型内的c、b随机变量也存在作用域隐患。
缺失依赖导入：调用了az.plot_trace但未导入arviz库。
循环逻辑冗余：嵌套Python循环计算幂和的效率极低，可通过张量运算向量化优化。

修正后可运行代码

import pandas as pd
import numpy as np
import pymc3 as pm
import arviz as az
import theano.tensor as tt

# 生成模拟数据
df = pd.DataFrame(np.random.uniform(1, 125, 100), columns=['Surface'])
surface_vals = df['Surface'].values

with pm.Model() as model_g:
    c = pm.Uniform('c', lower=0, upper=1)
    b = pm.Uniform('b', lower=0, upper=1)
    
    # 自定义符合PyMC3张量规范的对数似然
    def logp(Surface):
        # 张量类型转换，替代astype(int)
        n_vals = tt.cast(Surface, 'int32')
        total = 0.0
        # 逐样本计算幂和，用张量运算替代Python原生循环
        for n in n_vals:
            j_seq = tt.arange(1, n)
            total += tt.sum(j_seq ** b)
        return -c * total
    
    y = pm.DensityDist('y', logp, observed={'Surface': surface_vals})
    trace_g = pm.sample(100, tune=100, cores=1)  

az.plot_trace(trace_g, var_names=['c']);