unit8co/darts

mc_dropout with predict_likelihood_parameters

Geschlossen

#2.105 geöffnet am 04.12.2023

Auf GitHub ansehenContributor Guide
 (3 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (762 Forks)batch import
documentationgood first issue

Repository-Metriken

Stars
 (6.832 Sterne)
PR-Merge-Metriken
 (Durchschn. Merge 143T 16h) (16 gemergte PRs in 30 T)

Beschreibung

Hi, thanks for the prompt response regarding issue #2097 . I'm now able to utilize mc_dropout in historical_forecasts.

My current objective is to incorporate mc_dropout for obtaining epistemic uncertainty and predict_likelihood_parameters for acquiring aleatoric uncertainty. However, when setting predict_likelihood_parameters to True, I encounter an issue where I'm unable to use the sample method. Consequently, I'm limited to obtaining only one result with each call to historical_forecasts with predict_likelihood_parameters=True and mc_dropout=True.

I suspect that the solution might involve distinguishing the sample generation process by using mc_dropout and sample generation process based on the fitted distribution. Now they are using the same num_samples parameter.

Contributor Guide

Research-Richtung
Untersuche die Implementierung von `historical forecasts` in darts, insbesondere wie `num samples` sowohl für `mc dropout` als auch für `predict likelihood parameters` verwendet wird. Prüfe die Abtastlogik, um die beiden Prozesse zu trennen. Sieh dir den zugehörigen Issue #2097 für den Kontext an. Erwäge, die Funktion so zu ändern, dass unterschiedliche Stichprobenanzahlen für jede Unsicherheitsquelle erlaubt sind.
Tech Stack
python
Domain
machine learningdata
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.
1-2 Tage
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
Familiarity with darts libraryUnderstanding of Monte Carlo DropoutUnderstanding of aleatoric vs epistemic uncertainty
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
35