userWarning pymc3：重新参数化是什么意思？
userWarning pymc3 : What does reparameterize mean?
我使用 DensityDist 分布构建了一个 pymc3 模型。我有四个参数，其中 3 个使用 Metropolis，一个使用 NUTS（这是由 pymc3 自动选择的）。但是，我收到两个不同的 UserWarnings
1.Chain 0 包含调整后的发散样本数。如果增加 target_accept 无助于尝试重新参数化。
我可以知道这里重新参数化是什么意思吗？
2.链0中的接受概率与目标不匹配。它是 ，但应该接近 0.8。尝试增加调整步数。
深入研究了几个示例，我使用了 'random_seed'、'discard_tuned_samples'、'step = pm.NUTS(target_accept=0.95)' 等并消除了这些用户警告。但是我找不到有关如何确定这些参数值的详细信息。我确信这可能已经在各种上下文中进行了讨论，但我无法找到可靠的文档。我正在做如下的试错法。
与 patten_study：
#SEED = 61290425 #51290425
步骤 = pm.NUTS(target_accept=0.95)
trace = sample（step = step）#4000，tune = 10000，step =step，discard_tuned_samples=False）#，random_seed=SEED）
我需要在不同的数据集上 运行 这些。因此，我正在努力为我使用的每个数据集修复这些参数值。有什么方法可以让我给出这些值或找到结果（如果有任何用户警告然后尝试其他值）并循环 运行 它？
请原谅我问了一些愚蠢的问题！
在这种情况下，重新参数化基本上是找到一个不同但等效的模型，它更容易计算。根据模型的详细信息，您可以做很多事情：
- 您可以使用方差较大的正态分布来代替均匀分布。
- 从中心分层模型更改为
non-centered
一.
- 用 Student-T 替换高斯分布
- 将离散变量建模为连续变量
- 边缘化变量，如 this 示例
您应该根据您对模型和问题的了解来决定这些更改是否有意义。
我使用 DensityDist 分布构建了一个 pymc3 模型。我有四个参数，其中 3 个使用 Metropolis，一个使用 NUTS（这是由 pymc3 自动选择的）。但是，我收到两个不同的 UserWarnings
1.Chain 0 包含调整后的发散样本数。如果增加 target_accept 无助于尝试重新参数化。
我可以知道这里重新参数化是什么意思吗？
2.链0中的接受概率与目标不匹配。它是 ，但应该接近 0.8。尝试增加调整步数。
深入研究了几个示例，我使用了 'random_seed'、'discard_tuned_samples'、'step = pm.NUTS(target_accept=0.95)' 等并消除了这些用户警告。但是我找不到有关如何确定这些参数值的详细信息。我确信这可能已经在各种上下文中进行了讨论，但我无法找到可靠的文档。我正在做如下的试错法。
与 patten_study： #SEED = 61290425 #51290425 步骤 = pm.NUTS(target_accept=0.95) trace = sample（step = step）#4000，tune = 10000，step =step，discard_tuned_samples=False）#，random_seed=SEED）
我需要在不同的数据集上 运行 这些。因此，我正在努力为我使用的每个数据集修复这些参数值。有什么方法可以让我给出这些值或找到结果（如果有任何用户警告然后尝试其他值）并循环 运行 它？
请原谅我问了一些愚蠢的问题！
在这种情况下，重新参数化基本上是找到一个不同但等效的模型，它更容易计算。根据模型的详细信息，您可以做很多事情：
- 您可以使用方差较大的正态分布来代替均匀分布。
- 从中心分层模型更改为 non-centered 一.
- 用 Student-T 替换高斯分布
- 将离散变量建模为连续变量
- 边缘化变量，如 this 示例
您应该根据您对模型和问题的了解来决定这些更改是否有意义。