Vectorize predictors in categorical(_logit)
Maintainer antworten meist innerhalb von 1 Tag
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 4/5
- Geschätzter Aufwand
- 3-5 Tage
- Anfängerfreundlichkeit
- 38/100
- Issue-Typ
- Feature
- Klarheit
- Größtenteils klar
- Aktivitätsstatus
- Veraltet
- Tech-Stack
- cpp
- Bereich
- backend-api-design
Rechercherichtung
Beginne damit, die Einstiegspunkte der Wahrscheinlichkeitsfunktionen categorical und categorical_logit sowie deren bestehende Vektorisierungsunterstützung zu lokalisieren. Prüfe, wie Signaturen für array[] int mit Vektorparametern definiert sind, füge dann Abdeckung für die Matrixform hinzu und verifiziere, dass das bereitgestellte Stan-Beispiel kompiliert; die Form array[] vector bleibt wie beschrieben optional.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
Description
As is, the categorical and categorical_logit pdfs allow multiple outputs, but not multiple parameters.
This was requested in docs, but doesn't exist yet: https://github.com/stan-dev/docs/issues/500
Example
Currently:
Available signatures:
(array[] int, vector) => real
The second argument must be vector but got matrix
(int, vector) => real
The first argument must be int but got array[] int
What we want is to add the following signature in the usual way (so that each row of the matrix corresponds to an entry of the integer array):
(array[] int, matrix) => real
and maybe
(array[] int, array[] vector) => real
The goal is to support vectorized code that looks like this:
data {
int<lower=0> K;
int<lower=0> N;
int<lower=0> D;
array[N] int<lower=1, upper=K> y;
matrix[N, D] x;
}
parameters {
matrix[D, K] beta;
}
model {
to_vector(beta) ~ normal(0, 5);
y ~ categorical_logit(x * beta);
}
Expected Output
Above example compiles.
Current Version:
v4.9.0
- Vorherrschende Sprache
- C++
- Sterne
- 845
- Forks
- 225
- Ø Merge
- 4 T. 21 Std.
- Gemergte PRs (30 T.)
- 13
Entwicklungsumgebung
- Kein Dockerfile und keine Docker-Compose-Datei
- Hat eine Pull-Request-Vorlage
- Beitragsleitfaden lesen
Erste Schritte
- Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
- Forken Sie das Repository und arbeiten Sie in einem Branch.
- Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.
Mehr aus stan-dev/math
-
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 54/100
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 54/100
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 35/100
Maintainer antworten meist innerhalb von 1 Tag
-
numerics performance
Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 35/100
stan-dev/math#3481 · 1 Reaktion ·
Maintainer antworten meist innerhalb von 1 Tag
-
`eigendecompose_sym`, `eigenvalues_sym` and `eigenvectors_sym` do not compile for complex matrices of `fvar<var>` or `fvar<fvar<double>>`Evtl. wieder frei Ein Pull Request dazu wurde ohne Merge geschlossen. Offenbug
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 55/100
stan-dev/math#3477 · 5 Kommentare ·
Maintainer antworten meist innerhalb von 1 Tag
Ähnliche Issues
-
bug
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 76/100
pocoproject/poco#5664 ·
Maintainer antworten meist innerhalb von 2 Tagen
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 78/100
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 72/100
charmplusplus/charm#4210 ·
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 88/100
cp-algorithms/cp-algorithms#1748 ·
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 66/100
Maintainer antworten meist innerhalb von 1 Tag