我在 R 到 python 的翻譯中做錯了什么？

Question

我在 R 中有一個代碼，它實現了 Metropolis Hastings 算法：

trials <- 100000
sim <- numeric(trials)
sim[1] <- 2
for (i in 2: trials) {
   old <- sim[i-1]
   prop <- runif(1,0,5)
   acc <- (exp(-(prop-1)^2/2) + exp(-(prop-4)^2/2)) /
     ( (exp(-(old-1)^2/2) + exp(-(old-4)^2/2)) )
   if (runif(1) < acc) 
     sim[i] <- prop
   else
     sim[i] <- old }
mean(sim)
var(sim)

結果是正確的。

但是當我在 Python 中翻譯它時，結果就不同了。

trials = 100000
sim = np.repeat(0,trials+1)
sim[0] = 2
for i in range (2, trials):
    old = sim[i-1]
    prop = np.random.uniform(0,5,1)
    acc = (np.exp(-(prop-1)**2/2) + np.exp(-(prop-4)**2/2)) /( (np.exp(-(old-1)**2/2) + np.exp(-(old-4)**2/2)) )
    if np.random.uniform(1) < acc:
        sim[i] = prop
    else:
        sim[i] = old 

為什么？ 我在這里做錯了什么？

Answer 1

首先，由於 Python 從0開始，因此您希望在range(1, trials)中的i=1處啟動 python for 循環。

其次， if np.random.uniform(1)你只是生產1.0 ，所以需要改變，例如np.random.uniform(min, max, size=1)或np.random.uniform(size=1)如果您只想要一個介於 0 和 1 之間的統一數字。如果不清楚，請查看np.random.uniform的文檔。

更新
第三，你在不知不覺中轉換為整數，所以這也需要處理。 當習慣了 R 時，這很容易忘記（我只是自己做的）。 我在下面重構了您的代碼，該解決方案應該為您提供與您在 R 中看到的類似的結果。

在這里，我將 sim 轉換為float向量，並確保在exp函數中使用浮點數進行減法和除法。 希望這對你有用。

trials = 100000
sim = np.repeat(0,trials).astype(np.float64)
sim[0] = 2.0
for i in range (1, trials):
    old = sim[i-1]
    prop = np.random.uniform(0,5,1)
    acc = (np.exp(-(prop-1.0)**2/2.0) + np.exp(-(prop-4.0)**2/2.0)) \
    / ( (np.exp(-(old-1.0)**2/2.0) + np.exp(-(old-4.0)**2/2.0)) )
    if np.random.uniform(size=1) < acc:
        sim[i] = prop
    else:
        sim[i] = old