Estoy luchando por implementar una regresión lineal en pymc3 con una probabilidad personalizada.

Anteriormente publiqué esta pregunta en CrossValidated y se recomendó publicar aquí ya que la pregunta está más orientada al código (publicación cerrada aquí )

Suponga que tiene dos variables independientes x1, x2 y una variable objetivo y, así como una variable indicadora llamada delta.

• Cuando delta es 0, la función de probabilidad es mínimos cuadrados estándar
• Cuando delta es 1, la función de probabilidad es la contribución de mínimos cuadrados solo cuando la variable objetivo es mayor que la predicción

Fragmento de ejemplo de datos observados:

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

¿Alguien sabe cómo se puede implementar esto en pymc3? Como punto de partida...

 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 = pm.Data('var_x2', df['x2']) mu = (intercept + beta_0*x_0 + beta_1*x_1)