实践中使用的Metropolis-Hastings算法


20

我今天正在阅读Christian Robert的Blog,非常喜欢他正在讨论的新的Metropolis-Hastings算法。看起来很容易实现。

每当我对MCMC进行编码时,我都会坚持使用非常基本的MH算法,例如对数刻度上的独立移动或随机游动。

人们通常使用哪种MH算法?特别是:

  • 为什么使用它们?
  • 从某种意义上讲,您必须认为它们是最佳的-毕竟,您通常会使用它们!那么,您如何判断最优性:易于编码,收敛,...

我对实际使用的内容特别感兴趣,即您编写自己的方案时。


也许,CW?这个问题似乎是人们使用什么的民意测验。您如何定义“最佳”答案?我承认我在申请CW时有点模糊。因此,如果您没有其他意见,请随时忽略此评论。

1
我不介意将其保留为非CW,尤其是如果Colin可以稍微改一下以允许最佳答案的话。就是说,我无法想象该怎么做...
Shane 2010年

我试图改变的问题,使之少CW -不知道我是否已经成功:( @Shane @Srikant如果你仍然认为它应该是一个CW,随意去改变它。
csgillespie

听起来这将是一份不错的调查报告!
肖恩

Answers:


2

混合蒙特卡洛是用于神经网络的标准算法。用于高斯过程分类的吉布斯采样(当不使用确定性近似时)。


2

当难以从目标分布中采样时(例如,先验不与似然共轭时),将使用MH采样。因此,您可以使用投标分布生成样本并根据接受概率来接受/拒绝它们。在吉布斯采样算法是MH的特定实例,其中提案总是接受。Gibbs采样由于其简单性而成为最常用的算法之一,但不一定总是可以应用,在这种情况下,人们会根据接受/拒绝提议求助于MH。


1

在物理学中,特别是统计物理学中,大都会类型的算法被广泛使用。这些真的有无数种变体,新的变体正在积极开发中。这个主题太宽泛,无法在此处进行任何扩展,因此,如果您有兴趣,可以从这些讲义或ALPS库网页(http://alps.comp-phys.org/mediawiki)开始。


我意识到该算法有无数种变体。我感兴趣的是人们通常使用哪些工具。
csgillespie 2010年

1

我使用了切片采样器-最初由Neal(2003)提出,我通过启发式优化对其进行了调整。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.