질문 : 10 차원 MCMC 체인을 사용하여 10 개의 매개 변수 (열)에 의한 100,000 회 반복 (행), 사후 모드를 가장 잘 식별 할 수있는 방법은 무엇입니까? 특히 다중 모드에 관심이 있습니다.
배경:나는 계산에 정통한 통계학 자라고 생각하지만, 동료가이 질문을했을 때, 나는 합리적인 대답을 얻을 수 없다는 것이 부끄러웠다. 주요 관심사는 여러 모드가 나타날 수 있지만 10 개 차원 중 8 개 이상이 고려되는 경우에만 해당됩니다. 나의 첫 번째 생각은 커널 밀도 추정치를 사용하는 것이었지만 R을 통한 검색은 3 차원 이상의 문제에 대해서는 유망한 것이 없음을 보여 주었다. 동료는 10 차원의 임시 비닝 전략을 제안하고 최대 값을 찾고 있지만 대역폭에 심각한 희소성 문제가 발생하거나 여러 모드를 식별 할 수있는 해상도가 부족할 수 있습니다. 즉, 자동 대역폭 제안, 10 커널 밀도 추정기 링크 또는 기타 알고 싶은 사항에 대한 제안을 기꺼이 받아들입니다.
우려 사항 :
우리는 분포가 상당히 왜곡 될 수 있다고 생각합니다. 따라서 우리는 사후 수단이 아닌 사후 모드를 식별하고자합니다.
우리는 여러 가지 사후 모드가있을 수 있습니다.
가능하면 R 기반 제안을 선호합니다. 그러나 구현하기가 어렵지 않는 한 모든 알고리즘이 작동합니다. 처음부터 자동화 된 대역폭 선택으로 Nd 커널 밀도 추정기를 구현하지 않는 것이 좋습니다.