pymc.dims does not impute missing (NaN) observed data

Aperta
  • Qualcosa non va?
#8,317 3 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 1 giorno

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
3/5
Tempo stimato
1-2 giorni
Idoneità per principianti
65/100
Tipo di issue
Bug
Chiarezza
Abbastanza chiara
Stato di attività
Tranquilla
Stack tecnologico
python
Ambito
machine-learning

Direzione di ricerca

Inizia con il percorso della distribuzione Normal di pymc.dims quando un DataArray osservato contiene NaNs, usando il modello fornito e le chiamate a pmd.Normal come riproduttore. Conferma che le voci mancanti creino un RV di imputazione e che m.compile_logp()(m.initial_point()) restituisca un valore finito per l'esempio.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

dims feature request

Unlike pm.Normal, a pymc.dims distribution given an observed DataArray containing NaNs builds the model but returns a non-finite logp instead of creating an imputation RV for the missing entries.

import numpy as np
import xarray as xr
import pymc as pm
import pymc.dims as pmd

Y = xr.DataArray([[1.0, 2.0], [np.nan, 3.0]], dims=("a", "b"))
with pm.Model(coords={"a": [0, 1], "b": [0, 1]}) as m:
    a = pmd.Normal("a", 0, 1, dims="a")
    pmd.Normal("obs", a, 1.0, observed=Y, dims=("a", "b"))

m.compile_logp()(m.initial_point())  # nan
Lingua principale
Python
Stelle
9.8k
Fork
2.4k
Merge medio
1g 1h
PR unite (30g)
13

Preparare l'ambiente

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di pymc-devs/pymc

Tutte le issue di pymc-devs/pymc

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.