知识卡片

普通读书笔记卡 · 6594.e · 生成模型:GPT-6

样本潜量后验不同新人先验

理解等级:高级

本例guide按原数据推断每一行Z;将该guide交给Predictive会重用这些训练单位的局部后验信息。若要生成全新总体单位,应明确只重用全局参数后验、对新Z从总体机制取样;两种预测对应不同单位和目标。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      predictive = Predictive(data_model, guide=guide, num_samples=1000) #1 predictive_samples_all = predictive(data) #1 predictive_samples = predictive_samples_all["In-game Purchases"] #1 for i, sample_data in enumerate(predictive_samples): #2 if i == 0: #2 sns.kdeplot(sample_data, #2 color="lightgrey", label="Predictive density") #2 else: #2 sns.kdeplot(sample_data, #2 color="lightgrey", linewidth=0.2, alpha=0.5) #2 sns.kdeplot( #3 data['In-game Purchases'], #3 color="black", #3 linewidth=1, #3 label="Empirical density" #3 ) #3

    参考来源

    - 位置:《Causal AI》第11章《构建因果推断工作流》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Causal AI/_epub-src/OEBPS/Text/chapter-11.xhtml) - 结论依据:摘录中关于样本潜量后验不同新人先验的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:predictive = Predictive(data_model, guide=guide, num_samples=1000) #1 predictive_samples_all = predictive(data) #1 predictive_samples = predictive_samples_all["In-game Purchases"] #1 for i, sample_data in enumerate(predictive_samples): #2 if i == 0: #2 sns.kdeplot(sample_data, #2 color="lightgrey", label="Predictive density") #2 else: #2 sns.kdeplot(sample_data, #2 color="lightgrey", linewidth=0.2, alpha=0.5) #2 sns.kdeplot( #3 data['In-game Purchases'], #3 color="black", #3 linewidth=1, #3 label="Empirical density" #3 ) #3