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 在调整后包含发散样本的数量。如果增加target_accept无济于事，请尝试重新参数化。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。尝试增加调整步骤的数量。

通过一些例子，我使用了“random_seed”、“discard_tuned_samples”、“step = pm.NUTS(target_accept=0.95)”等等，并摆脱了这些用户警告。但是我找不到有关如何确定这些参数值的详细信息。我相信这可能已经在各种上下文中讨论过，但我无法找到可靠的文档。我正在做一个试错法，如下所示。

with 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）并在循环中运行它？

如果我问一些愚蠢的事情，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更容易计算的不同但等效的模型。根据模型的详细信息，您可以做很多事情：

• 您可以使用具有大方差的正态分布，而不是使用均匀分布。
• 从以中心为中心的分层模型转变为非以中心为中心的模型 。
• 用 Student-T 替换高斯
• 将离散变量建模为连续变量
• 像这个例子一样边缘化变量

这些更改是否有意义是您应该根据您对模型和问题的了解来决定的。