小编use*_*327的帖子

我正在努力在 pymc3 中实现具有自定义可能性的线性回归。

我之前在 CrossValidated 上发布过这个问题，建议在此处发布，因为该问题更面向代码（此处已关闭帖子）

假设您有两个自变量 x1、x2 和一个目标变量 y，以及一个称为 delta 的指示变量。

• 当 delta 为 0 时，似然函数为标准最小二乘
• 当 delta 为 1 时，仅当目标变量大于预测时，似然函数才是最小二乘贡献

观察到的数据的示例片段：

x_1  x_2     observed_target  
10    1   0   100              
20    2   0   50               
5    -1   1   200             
10   -2   1   100             

有谁知道如何在 pymc3 中实现这一点？作为起点...

model =  pm.Model()
with model as ttf_model:

  intercept = pm.Normal('param_intercept', mu=0, sd=5)
  beta_0 = pm.Normal('param_x1', mu=0, sd=5)
  beta_1 = pm.Normal('param_x2', mu=0, sd=5)
  std = pm.HalfNormal('param_std', beta = 0.5)

  x_1 = pm.Data('var_x1', df['x1'])
  x_2 …

考虑一对简单的泛型类：

T = TypeVar("T", str, int)

class Base(Generic[T]):
    def __init__(self, v: T):
        self.v: T = v

    @property
    def value(self) -> T:
        return self.v

class Child(Base[T]):
    def __init__(self, v: T):
        super().__init__(v)

x = Child(123)
reveal_type(x.value)

使用时T = TypeVar("T")效果符合预期。如图所示的限制TypeVar会产生以下错误：

error: Argument 1 to "__init__" of "Base" has incompatible type "str"; expected "T"
error: Argument 1 to "__init__" of "Base" has incompatible type "int"; expected "T"
note: Revealed type is 'builtins.int*'

请注意，这reveal_type仍然有效。

另一个区别是受限制的TypeVar需要类型注释来进行self.v赋值，而不受限制的则不需要。 …

使用joblib.Memory我可以缓存某些函数的结果，但我想知道是否有一种有效的方法来找出有缓存值的参数列表。

例如，假设该函数slow_func是针对 的某些值进行计算和缓存的x，我可以找出我缓存了哪些值吗？

from joblib import Memory
mem = Memory(location='cache')

@mem.cache
def slow_func(x):
    return x