실제로 사용되는 Metropolis-Hastings 알고리즘

20

나는 오늘 Christian Robert의 블로그를 읽고 있었고 그가 논의한 새로운 Metropolis-Hastings 알고리즘을 매우 좋아했습니다. 간단하고 구현하기 쉬운 것처럼 보였습니다.

MCMC를 코딩 할 때마다 독립적 인 이동 또는 로그 스케일에서의 임의의 이동과 같은 매우 기본적인 MH 알고리즘을 사용하는 경향이 있습니다.

사람들이 일상적으로 사용하는 MH 알고리즘은 무엇입니까? 특히:

왜 그것들을 사용합니까?
어떤 의미에서 당신은 그들이 최적이라고 생각해야합니다-결국 당신은 그것들을 일상적으로 사용합니다! 따라서 코딩의 용이성, 수렴 등 최적 성을 어떻게 판단합니까?

나는 실제로 사용되는 것에, 특히 당신이 당신의 자신의 체계를 코딩 할 때 관심이있다.

mcmc metropolis-hastings

— csgillespie
소스

아마도 CW? 질문은 사람들이 사용하는 설문 조사처럼 보입니다. '최상의'답변을 어떻게 정의 하시겠습니까? CW를 적용 할 때 약간 애매하다는 것을 인정합니다. 따라서 다른 느낌이 든다면이 의견을 무시하십시오.

1

나는 이것을 CoW가 아닌 것으로 남겨 두지 않을 것입니다. 특히 Colin이 하나의 가장 좋은 답변을 얻을 수 있도록 약간의 문구를 바꿀 수 있다면 더욱 그렇습니다. 나는 그렇게하는 방법을 상상할 수 없다 ...

— Shane

당신은 아직도 그것을 변경 주시기 바랍니다, 그것은 CW되어야한다고 생각한다면하지 않도록 내가 성공하면 :( @Shane @Srikant - 나는 덜 CW를 만들기 위해 질문을 변경하려고했습니다.

— csgillespie

좋은 설문지가 될 것 같습니다!

— Sean

2

하이브리드 몬테 카를로는 신경망에 사용되는 표준 알고리즘입니다. 가우스 프로세스 분류를위한 Gibbs 샘플링 (결정적 근사값을 대신 사용하지 않는 경우).

— 디크 란 유대류
소스

2

MH 샘플링 은 목표 분포에서 샘플링 하기 어려운 경우에 사용됩니다 (예 : 이전이 가능성과 결합 되지 않은 경우 ). 따라서 제안서 배포를 사용하여 샘플을 생성하고 수락 확률에 따라 샘플을 수락 / 거부합니다. 깁스 샘플링 알고리즘은 제안이되어 MH의 특정 인스턴스입니다 항상 받아 들였다. Gibbs 샘플링은 단순성으로 인해 가장 일반적으로 사용되는 알고리즘 중 하나이지만 항상 적용 할 수있는 것은 아닙니다.이 경우 수락 / 거부 제안을 기반으로 MH에 의존합니다.

— 흑단 1
소스

1

물리학에서 통계 물리학, 특히 메트로폴리스 유형 알고리즘이 광범위하게 사용됩니다. 실제로는 수많은 변형이 있으며 새로운 변형이 활발히 개발되고 있습니다. 여기에 어떤 종류의 확장도 제공하기에는 너무 광범위한 주제이므로 관심이 있으시면 강의 노트 또는 ALPS 라이브러리 웹 페이지 (http://alps.comp-phys.org/mediawiki) 에서 시작할 수 있습니다 .

— ev-br
소스

이 알고리즘에는 수많은 변형이 있음을 알고 있습니다. 내가 관심이 있었던 것은 사람들이 일상적으로 사용하는 것들이었습니다.

— csgillespie

1

필자는 휴리스틱 최적화를 통해 조정 한 Neal (2003)이 처음 제안한 슬라이스 샘플러를 사용합니다.

— 티비 츠
소스