pymc-devs/pymc

Add function that goes from transformed space to untransformed space

Open

#6 721 ouverte le 18 mai 2023

Voir sur GitHub
 (3 commentaires) (0 réactions) (0 assignés)Python (1 902 forks)batch import
enhancementshelp wantedtrace-backend

Métriques du dépôt

Stars
 (7 926 stars)
Métriques de merge PR
 (Merge moyen 11j 6h) (12 PRs mergées en 30 j)

Description

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

Guide contributeur

Direction de recherche
Étudiez la fonction existante `remove value transforms` dans pymc.model.transform.conditioning pour comprendre la prise en charge actuelle de l'évaluation sans transformations. Consultez le post Discourse lié dans l'issue pour une approche d'implémentation potentielle. Examinez comment les variables transformées sont stockées dans InferenceData pour déterminer la meilleure façon d'exposer une fonction de transformation inverse.
Stack technique
python
Domaine
machine learning
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-3 heures
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Ancienne
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
PythonPyMCBayesian inferencetransforms
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
40