VIP

class pymc_extras.model.transforms.autoreparam.VIP(_logit_lambda: dict[str, TensorSharedVariable])

用于重参数化 VIP 模型的辅助类。

以下方程中 \(\lambda\) 的操作通过此类辅助类完成。

\[\begin{split}\begin{align*} \eta_{k} &\sim \text{normal}(\lambda_{k} \cdot \mu, \sigma^{\lambda_{k}})\\ \theta_{k} &= \mu + \sigma^{1 - \lambda_{k}} ( \eta_{k} - \lambda_{k} \cdot \mu) \sim \text{normal}(\mu, \sigma). \end{align*}\end{split}\]

__init__(_logit_lambda: dict[str, TensorSharedVariable]) → None

方法

__init__(_logit_lambda)
fit(*args, **kwargs)	使用变分推断设置 \(\lambda_k\)。
get_lambda()	获取模型当前使用的 \(\lambda_k\)。
set_all_lambda(value)	全局设置 \(\lambda_k\)。
set_lambda(**kwargs)	为每个变量设置 \(\lambda_k\)。
truncate_all_lambda(value)	使用 \(\varepsilon\) 截断所有 \(\lambda_k\)。
truncate_lambda(**kwargs)	使用 \(\varepsilon\) 截断 \(\lambda_k\)。

属性

variational_parameters

返回原始 \(\operatorname{logit}(\lambda_k)\) 用于自定义优化。