pymc-devs/pymc

Add function that goes from transformed space to untransformed space

Open

#6.721 geöffnet am 18. Mai 2023

Auf GitHub ansehen
 (3 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (1.902 Forks)batch import
enhancementshelp wantedtrace-backend

Repository-Metriken

Stars
 (7.926 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 11T 6h) (12 gemergte PRs in 30 T)

Beschreibung

Description

Because we don't save transformed variables in the returned InferenceData (why not?) it's not easy to evaluate the model logp once we have a trace.

One could rewrite the model without transforms (and we can make this automatically for the user) This is possible with https://www.pymc.io/projects/docs/en/stable/api/model/generated/pymc.model.transform.conditioning.remove_value_transforms.html

But someone might still want to evaluate it in the original model (with jacobians and all that).

One dirty implementation is given here: https://discourse.pymc.io/t/logp-questions-synthetic-dataset-to-evaluate-modeling/12129/6?u=ricardov94

Contributor Guide

Research-Richtung
Untersuche die vorhandene Funktion `remove value transforms` in pymc.model.transform.conditioning, um den aktuellen Support für die Auswertung ohne Transformationen zu verstehen. Überprüfe den im Issue verlinkten Discourse Beitrag für einen möglichen Implementierungsansatz. Untersuche, wie transformierte Variablen in InferenceData gespeichert werden, um den besten Weg zur Bereitstellung einer inversen Transformationsfunktion zu bestimmen.
Tech Stack
python
Domain
machine learning
Issue Type
Funktion
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.
1-3 Stunden
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Veraltet
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
PythonPyMCBayesian inferencetransforms
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
40