pymc.variational.operators.KSD#
- class pymc.variational.operators.KSD(approx, temperature=1)[源代码]#
基于核化Stein差异的操作符
- 具有密度函数 \(p(x)\) 的目标分布
以及一组初始粒子 \(\{x^0_i\}^n_{i=1}\)
输出：一组近似目标分布的粒子 \(\{x_i\}^n_{i=1}\)。
\[\begin{split}x_{i}^{l+1} \leftarrow \epsilon_l \hat{\phi}^{*}(x_i^l) \\ \hat{\phi}^{*}(x) = \frac{1}{n}\sum^{n}_{j=1}[k(x^l_j,x) \nabla_{x^l_j} \log p(x^l_j)/temp + \nabla_{x^l_j} k(x^l_j,x)]\end{split}\]- 参数:
- approx: :class:`近似`
用于推理的近似方法
- 温度: 浮点数
Stein 梯度的温度
参考文献
Qiang Liu, Dilin Wang (2016) Stein变分梯度下降：一个通用的贝叶斯推断算法 arXiv:1608.04471
方法
KSD.__init__(approx[, temperature])KSD.apply(f)操作符本身
属性
Tdatalogpdatalogp_normhas_test_functioninputslogplogp_normlogqlogq_normmodelrequire_logqreturns_losssupports_aevbvarlogpvarlogp_norm