我想更新输出是连续的模型的参数（它可以在 0 和 1 之间，但这不是概率）。此外，这个模型可能比单个方程更复杂，即它可能是一个具有多个中间计算和 if-else 语句的算法，因此它不一定是可微的。它甚至可以是被视为黑盒的机器学习模型。我如何使用概率编程来解决这个问题？
我知道 PyMC3 具有Potential在这些情况下可能有用的功能。但是我将如何获得logp类似回归的模型/算法的对数概率或值？
问问题
43 次
我想更新输出是连续的模型的参数（它可以在 0 和 1 之间，但这不是概率）。此外，这个模型可能比单个方程更复杂，即它可能是一个具有多个中间计算和 if-else 语句的算法，因此它不一定是可微的。它甚至可以是被视为黑盒的机器学习模型。我如何使用概率编程来解决这个问题？
我知道 PyMC3 具有Potential在这些情况下可能有用的功能。但是我将如何获得logp类似回归的模型/算法的对数概率或值？