我正在阅读有关自适应MCMC的信息(例如,参见《马尔可夫链蒙特卡洛手册》第4章,布鲁克斯等人,2011年;Andrieu和Thoms,2008年)。
该结果是(后验的)直观的,渐近的。由于适应量趋于零,因此最终不会与遍历无关。我担心的是有限的时间会发生什么。
我们如何知道在给定的有限时间内适应性并不会破坏遍历性,并且采样器正在从正确的分布中采样?如果完全有道理,一个人应该做多少磨合以确保早期适应不会使链条产生偏差?
该领域的从业者是否信任自适应MCMC?我问的原因是因为我已经看到许多最近的方法,这些方法尝试以已知的其他各种更复杂的方式(包括再生或整体方法)以其他更复杂的方式建立适应性(例如,选择过渡是合法的)取决于其他平行链状态的运算符)。可替代地,仅在老化期间(例如在Stan中)执行调整,而不在运行时执行。所有这些努力向我暗示,罗伯茨和罗森塔尔的自适应MCMC(实施起来非常简单)并不可靠;但也许还有其他原因。
那么具体的实现又如何呢?比如自适应都市(Hario等,2001)?
参考文献
- Rosenthal,JS(2011)。最佳提案分配和自适应MCMC。马尔可夫链手册蒙特卡罗,93-112。
- Andrieu,C.和Thoms,J.(2008年)。关于自适应MCMC的教程。统计与计算,18(4),343-373。
- Roberts,GO和Rosenthal,JS(2007)。自适应马尔可夫链蒙特卡罗算法的耦合和遍历性。应用概率杂志,458-475。
- Haario H.,Saksman E.和Tamminen J.(2001)。自适应Metropolis算法。伯努利(Bernoulli),223-242。
1
+1,但是即使对于非自适应MCMC也有有限时间保证吗?
—
Juho Kokkala
@JuhoKokkala:可能不是,但是似乎在自适应MCMC中,它又增加了一层可能的失败模式,与标准的收敛问题相比,这种失败模式较难理解且难以检查(本质上已经很难诊断)。至少,这就是我对从业者(我为一个人)会对此保持警惕的原因的理解。
—
–lacerbi
我认为在老化过程中进行适应是应对适应的最佳方法。显然,如果您的后部某些区域需要与其他区域不同的调音,那么您会遇到问题,但是如果是这样,那么如果您运行完全自适应的MCMC,则无论如何都会因为条件消失而无法进行很大的调整。 。
—
sega_sai