Qualcuno sa di qualche codice ben scritto (in Matlab o R) per il salto reversibile MCMC? Preferibilmente una semplice applicazione demo per complimentare i documenti sull'argomento, che sarebbe utile per comprendere il processo.
Qualcuno sa di qualche codice ben scritto (in Matlab o R) per il salto reversibile MCMC? Preferibilmente una semplice applicazione demo per complimentare i documenti sull'argomento, che sarebbe utile per comprendere il processo.
Risposte:
RJMCMC è stato introdotto da Peter Green in un articolo del 1995 che è un classico delle citazioni. Ha scritto un programma Fortran chiamato AutoRJ per RJMCMC automatico; la sua pagina su questo link al programma AutoMix di David Hastie . C'è un elenco di software disponibili gratuitamente per vari algoritmi RJMCMC nella Tabella 1 di un documento del 2005 di Scott Sisson . Una ricerca su Google trova anche alcuni pseudocodici di un gruppo dell'Università di Glasgow che possono essere utili per comprendere i principi se si desidera programmarlo da soli.
Il libro Bayesian Analysis for Population Ecology di King et al. descrive RJMCMC nel contesto dell'ecologia della popolazione. Ho trovato la descrizione molto chiara e forniscono il codice R nell'appendice.
Il libro ha anche una pagina web associata , ma parte del codice trovato nel libro non è sul sito web.
Basta aggiungere un dettaglio alla risposta di @ onestop: trovo che il software C rilasciato da Olivier Cappé (CT / RJ MCMC) sia molto utile per comprendere l'algoritmo MCMC di salto reversibile (in particolare come progettare le probabilità di nascita-morte e divisione- unire le mosse). Il link al codice sorgente è: http://perso.telecom-paristech.fr/~cappe/Code/CTRJ_mix/About/
Jailin Ai fa una bella presentazione di RJ MCMC insieme (anche se si avvicina molto attentamente al documento originale di Green) con il codice R presente come parte della tesi del suo maestro a Leeds. Fornisce inoltre un esempio approfondito di problemi relativi ai punti di cambiamento, che sono inclusi anche nel documento di Green del 1995.
Trova la tesi e il codice qui:
Nando de Freitas fornisce dimostrazioni sull'uso dell'algoritmo MCMC di salto reversibile per la stima dei parametri della rete neurale. Questo modello considera il numero di neuroni, parametri del modello, parametri di regolarizzazione e parametri del rumore come variabili casuali da stimare.
Il codice e il write-up sono disponibili qui: http://www.cs.ubc.ca/~nando/software.html