pymc-devs/pymc

Compile single function in InferenceDataConverter._extract_log_likelihood

Open

#5.256 geöffnet am 12. Dez. 2021

Auf GitHub ansehen
 (0 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (1.902 Forks)batch import
help wantedmaintenancetrace-backend

Repository-Metriken

Stars
 (7.926 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 11T) (7 gemergte PRs in 30 T)

Beschreibung

After #5245 we no longer need to create one function per observed variable, which may be more efficient.

https://github.com/pymc-devs/pymc/blob/10523ef548d68848d6408f78d52fefea9be5c521/pymc/backends/arviz.py#L266-L271

This requires some understanding of how to feed the right information to the InferenceData object, possibly with some extra room for improvements in InferenceDataConverter.log_likelihood_vals_point which has a TODO as well:

https://github.com/pymc-devs/pymc/blob/10523ef548d68848d6408f78d52fefea9be5c521/pymc/backends/arviz.py#L240-L245

Contributor Guide

Research-Richtung
Untersuchen Sie die aktuelle Implementierung von InferenceDataConverter. extract log likelihood und log likelihood vals point. Verstehen Sie, wie eine einzelne Funktion für alle beobachteten Variablen durch Änderung des Modellgraphen kompiliert wird und stellen Sie sicher, dass das InferenceData Objekt korrekt befüllt wird.
Tech Stack
python
Domain
backend
Issue Type
Refactoring
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Halber Tag
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Frisch
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Meist klar
Voraussetzungen
PythonPyMC
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
40