问题标签 [probabilistic-programming]

有人可以帮助我为 Tensorflow Probability 中的翻转层设置自定义先验吗？

默认情况下，它采用多元正态先验，但对于我的应用程序，我更喜欢具有非零均值和较小方差的先验。提前致谢。

我已经定义了一个这样的“剪裁”分布：

我已经将它应用于具有 LKJ Cholesky 之前的 MvNormal，如下所示：

（上截断是一个 numpy 数组）

现在，我通过为多元正态分布定义协方差矩阵并对其应用裁剪来生成模拟数据，以获得以下结果：

模拟数据

但是当我从 PPC 取样时，我得到了这个：

每次点击付费

即使我将剪辑定义为 [0,0,0]，它仍然不起作用。

为什么 PPC（或参数采样，就此而言）不反映裁剪转换？

我有一个数据集，看起来像来自正态分布的样本，有几个独立的影响移动特定数据点。应用于任何点的影响是已知的，需要从数据中恢复这些变化。我应该如何重新参数化这个模型以使其适合数据？

这是一个玩具数据集生成器：

[数组（[-0.12571057，0.12571057]），数组（[0.00673915，-0.11448923，0.10775008]）]

我正在尝试使用 pymc3 对这些数据进行建模，如下所示：

后采样步骤：

我有一个非常缓慢且行为不端的采样器：

有没有更好的方法来设计这样的模型？在一个理想的世界里，我应该有 3 种不同的影响来驱动数据……但是以我目前的模型设计，这是没有希望的。

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？

我得到一个自然数 N (0,1,2..)，我需要使用掷硬币来获得一个随机数 R，它会出现在 0<=R<=N 的范围内，我想弄清楚有多少折腾我需要让它工作吗？