bayesian - 有人可以解释概率编程中更清晰的“编程”部分吗？

Question

通常在概率编程框架的文档中，我可以阅读很多关于 MCMC 的内容，但对编程了解不多。我看到的每个示例通常只有非常简短的概率程序。如果不计算数据的输入和结果的输出，通常它们大约是 5-10 行代码。所以，它看起来不像编程。

据我了解，我可以编写概率程序来规范学习过程，所以我的概率程序越长，计算速度越快，我需要的训练数据集越小，我可以获得更正确的结果。我对吗？

例如，如果我想在图片上找到一只猫。我可以编写概率程序来描述猫的长相以及它们的表现形式。我的描述越详细，结果就会越好？

谢谢，德米特里

Answer 1

对我来说，“概率编程”只是意味着你用一种具有概率结构的编程语言写下你的模型。Stan 为您提供了一种命令式编程语言，其中的变量表示随机变量。

Stan 的文档有 200 多页关于 Stan 编程的内容，所以我不确定您在寻找什么。它涵盖了从数据类型到参数化再到用户定义函数的所有内容。像大多数介绍和手册一样，示例往往很短。如果您想查看更长的程序，请查看案例研究或关注用户论坛。

更大的模型并不一定意味着您需要更少的数据。模型在您开始之前（先验）包含的关于答案的信息越多，您需要的数据就越少。有了更多数据，您就可以做出更细粒度的推断。

我认为你不会很幸运地用详细的手工模型来描述猫。