userWarning pymc3：重新参数化是什么意思？

Question

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，我得到两个不同的UserWarnings 1.Chain 0包含调谐后的多个发散样本。如果增加target_accept无助于尝试重新参数化。 我知道这里重新参数化意味着什么？ 2.链0中的接受概率与目标不匹配。它是，但应该接近0.8。尝试增加调整步骤的数量。

通过几个例子，我使用'random_seed'，'discard_tuned_samples'，'step = pm.NUTS（target_accept = 0.95）'等等，并删除了这些用户警告。但我找不到如何决定这些参数值的细节。我相信这可能已在各种背景下进行过讨论，但我无法找到可靠的文档。我正在做一个试错法，如下所示。

用patten_study：     #SEED = 61290425＃51290425     step = 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它们。因此，我正在努力为我正在使用的每个数据集修复这些参数值。有没有办法我给这些值或找到结果（如果有任何用户警告，然后尝试其他值）并在循环中运行它？

如果我问一些愚蠢的东西，请原谅我！

Answer 1

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。根据您的模型细节，您可以做很多事情：

• 您可以使用具有较大差异的正态分布，而不是使用统一分布。
• 从中心层次模型更改为 non-centered 之一。
• 用Student-T替换高斯
• 将离散变量建模为连续
• 将this示例
中的变量边缘化

根据您对模型和问题的了解，您应该决定这些变化是否有意义。