PyMC3变量标准化/逆标准化处理、先验可视化及预测值还原问题

问题1：先验可视化尺度错位的原因与调整方案 #

现象原因 #

你现在绘制的先验图出现x轴为标准化weight、y轴为原始height的错位，来自两个代码设定的叠加：

• 横轴你手动指定了x = np.linspace(-3, 3, 50)，这个区间本身就是标准化后变量的典型取值范围（±3倍标准差），所以x轴天然是标准化后的weight尺度
• 纵轴的计算值来自y = a + b * x，其中a是你模型中定义的alpha参数，该参数的先验Normal(mu=178, sd=20)是完全基于原始身高尺度设置的，所以计算出的y值天然对应原始height的尺度
  额外提醒：你当前的模型设定存在逻辑问题：你传入模型的observed变量height是标准化后的height_s，但参数先验却用了原始尺度的数值，会导致模型拟合完全偏离真实分布

调整方案 #

• 统一为全标准化尺度：把模型中alpha的先验修改为适配标准化height的取值，比如pm.Normal('alpha', mu=0, sd=1)，此时计算出的y值就是标准化后的height，和x轴的标准化weight尺度完全匹配
• 统一为全原始尺度：提前保存原始weight的均值w_mean和标准差w_std，把横轴的x值逆标准化：x_original = x * w_std + w_mean，绘制时用x_original作为横轴输入，和y轴的原始height尺度匹配

问题2：后验预测值的逆标准化方案 #

逆转换方法 #

标准化的通用公式是 标准化值 = (原始值 - 变量均值) / 变量标准差，逆转换只要把公式反过来就行：

# 提前保存的原始height的均值和标准差
height_mean = df1.height.mean()
height_std = df1.height.std()
# 逆标准化
height_hat_original = height_hat * height_std + height_mean

处理位置选择 #

两种处理方式都可行，按需选择即可：

• 模型内部处理：如果后续分析全量使用原始尺度，可以直接在模型中添加逆变换逻辑，采样得到的结果直接就是原始尺度，不需要额外事后处理
• 事后处理：如果需要同时使用标准化和原始尺度的结果，事后转换更灵活，也不会增加模型的计算复杂度

标准流程 #

行业内通用的处理流程是：

1. 做标准化操作时，就同步保存每个变量对应的均值、标准差参数，不要后续重新计算避免引入误差
2. 可以封装通用的standardize和inv_standardize工具函数，传入对应参数直接完成转换，降低出错概率

内容的提问来源于stack exchange，提问作者FHTE