Stan与PYMC3的离散混合物模型

Question

我正在研究零膨胀计数时间数据。我建立了一个stan模型，该模型使用if块中的model语句处理了零膨胀数据。正如他们在《 Stan参考指南》中所建议的那样。例如，

model { 
   for (n in 1:N) { 
      if (y[n] == 0) 
         target += log_sum_exp(bernoulli_lpmf(1 | theta), bernoulli_lpmf(0 | theta) + poisson_lpmf(y[n] | lambda));
      else
         target += bernoulli_lpmf(0 | theta) + poisson_lpmf(y[n] | lambda);
   } 
}

此if语句显然是必要的，因为Stan使用NUTS作为不处理离散变量的采样器（，因此我们对这个离散随机变量进行了边际处理，而不是从中进行采样 ）。我对pymc3并没有太多的经验，但是我的理解是，它可以处理Gibbs更新步骤（从离散的bernoulli可能性中采样）。然后以零膨胀值为条件，它可以对依赖于泊松可能性的参数执行Metropolis或NUTS更新。

我的问题是：可以（，如果可以，如何）pymc3以这样的方式从具有零值的离散零变量中采样：使用NUTS更新对连续变量进行更新？如果可以的话，性能是否比stan中的上述实现显着提高（边缘化了离散随机变量）？此外，如果pymc3仅支持Gibbs + Metropolis更新，那么此更改是否值得考虑？