如何为pymc3模型中的参数添加约束？
How to add constraints to parameters in pymc3 model?
我遵循了 pymc3 中关于线性回归的第一个教程。我试着让它适应不同的功能，即：
Y_obs = log (x+a)^2 / (x-c)^2
如您所见，c 为负数可能更可取。因此我想知道如何用负值定义 c 的先验。例如，HalfNormal 分布但只有负值而不是正值。
更一般地说，我想知道是否可以为参数设置界限？
例如，在模型设置中使用 Stan（或 pyStan），您可以这样写：
parameters {
real<lower=0, upper=1> p;
}
设置 p \in [0, 1].
要获得一个限制为负值的变量，您可以定义一个正值并取其负值：
a = pm.HalfNormal('a', sd=1)
b = -a
如果你想访问跟踪中的值，你可以告诉 pymc3 通过将它包装在 pm.Deterministic 中来存储它（可能不是 that 在一个简单的像这样的情况...)
a = pm.HalfNormal('a', sd=1)
b = pm.Deterministic('b', -a)
使用pm.Bound添加任意约束：
NegNormal = pm.Bound(pm.Normal, lower=-np.inf, upper=0)
a = NegNormal('a', mu=0, sd=1)
但请记住，这不会改变正态分布的密度，因此它不会再积分为 1。通常这无关紧要，因为 logp 的差异将是一个常数，而且我们不关心大多数事情的常数。如果它确实很重要（这可能是下限或上限是一个变量）你可以通过使用 pm.DensityDist 定义你自己的分布来解决这个问题（顺便说一句，stan 中的相同问题，尽管它支持截断分布T[a,b] 语法）。
我遵循了 pymc3 中关于线性回归的第一个教程。我试着让它适应不同的功能，即：
Y_obs = log (x+a)^2 / (x-c)^2
如您所见，c 为负数可能更可取。因此我想知道如何用负值定义 c 的先验。例如，HalfNormal 分布但只有负值而不是正值。
更一般地说，我想知道是否可以为参数设置界限？
例如，在模型设置中使用 Stan（或 pyStan），您可以这样写：
parameters {
real<lower=0, upper=1> p;
}
设置 p \in [0, 1].
要获得一个限制为负值的变量，您可以定义一个正值并取其负值：
a = pm.HalfNormal('a', sd=1)
b = -a
如果你想访问跟踪中的值，你可以告诉 pymc3 通过将它包装在 pm.Deterministic 中来存储它（可能不是 that 在一个简单的像这样的情况...)
a = pm.HalfNormal('a', sd=1)
b = pm.Deterministic('b', -a)
使用pm.Bound添加任意约束：
NegNormal = pm.Bound(pm.Normal, lower=-np.inf, upper=0)
a = NegNormal('a', mu=0, sd=1)
但请记住，这不会改变正态分布的密度，因此它不会再积分为 1。通常这无关紧要，因为 logp 的差异将是一个常数，而且我们不关心大多数事情的常数。如果它确实很重要（这可能是下限或上限是一个变量）你可以通过使用 pm.DensityDist 定义你自己的分布来解决这个问题（顺便说一句，stan 中的相同问题，尽管它支持截断分布T[a,b] 语法）。