Domande taggate «mcmc»

Catena di Markov Monte Carlo (MCMC) si riferisce a una classe di metodi per generare campioni da una distribuzione target generando numeri casuali da una catena Markov la cui distribuzione stazionaria è la distribuzione target. I metodi MCMC sono in genere utilizzati quando sono impossibili metodi più diretti per la generazione di numeri casuali (ad esempio il metodo di inversione). Il primo metodo MCMC era l'algoritmo Metropolis, successivamente modificato con l'algoritmo Metropolis-Hastings.

2
Da dove provengono i condizionali completi nel campionamento di Gibbs?
Gli algoritmi MCMC come Metropolis-Hastings e il campionamento di Gibbs sono metodi di campionamento dalle distribuzioni posteriori articolari. Penso di capire e di implementare abbastanza velocemente la metropoli: basta semplicemente scegliere i punti di partenza in qualche modo e "camminare nello spazio dei parametri" in modo casuale, guidato dalla densità …
15 bayesian  mcmc  gibbs 
2
Esiste un metodo standard per affrontare il problema del cambio di etichetta nella stima MCMC dei modelli di miscele?
La commutazione delle etichette (ovvero la distribuzione posteriore è invariante rispetto alle etichette dei componenti di commutazione) è un problema problematico quando si utilizza MCMC per stimare i modelli di miscela. Esiste una metodologia standard (come ampiamente accettata) per affrontare il problema? Se non esiste un approccio standard, quali sono …
15 bayesian  mcmc  mixture 
2
Monte carlo hamiltoniano
Qualcuno può spiegare l'idea principale dietro i metodi Hamiltonian Monte Carlo e in quali casi produrrà risultati migliori rispetto ai metodi Markov Chain Monte Carlo?
14 bayesian  mcmc  hmc 
2
Benchmark prestazionali per MCMC
Ci sono stati studi su larga scala dei metodi MCMC che hanno confrontato le prestazioni di diversi algoritmi su una suite di densità di test? Sto pensando a qualcosa di equivalente al documento di Rios e Sahinidis (2013), che è un confronto approfondito di un gran numero di ottimizzatori della …
2
Processi Dirichlet per il clustering: come gestire le etichette?
D: Qual è il modo standard di raggruppare i dati usando un processo Dirichlet? Quando si utilizzano i cluster di campionamento di Gibbs, appaiono e scompaiono durante il campionamento. Inoltre, abbiamo un problema di identificabilità poiché la distribuzione posteriore è invariante rispetto alle rietichettature dei cluster. Pertanto, non possiamo dire …
4
Un esempio pratico per MCMC
Stavo seguendo alcune lezioni relative a MCMC. Tuttavia, non trovo un buon esempio di come viene utilizzato. Qualcuno può darmi un esempio concreto. Tutto quello che posso vedere è che gestiscono una catena Markov e dicono che la sua distribuzione stazionaria è la distribuzione desiderata. Voglio un buon esempio da …
2
Diagnosi MCMC Geweke
Sto eseguendo un campionatore Metropolis (C ++) e voglio utilizzare i campioni precedenti per stimare il tasso di convergenza. Una diagnostica facile da implementare che ho trovato è la diagnostica Geweke , che calcola la differenza tra i due mezzi di campionamento divisa per l'errore standard stimato. L'errore standard è …
14 mcmc  diagnostic 
2
Parametri senza priori definiti in Stan
Ho appena iniziato a imparare a usare Stan e rstan. A meno che non sia sempre stato confuso su come funzionava JAGS / BUGS, ho pensato che dovevi sempre definire una distribuzione precedente di qualche tipo per ogni parametro nel modello da cui attingere. Sembra che non sia necessario farlo …
3
Buoni riassunti (recensioni, libri) su varie applicazioni della catena Markov Monte Carlo (MCMC)?
Ci sono buoni riassunti (recensioni, libri) su varie applicazioni della catena Markov Monte Carlo (MCMC)? Ho visto Markov Chain Monte Carlo in pratica , ma questo libro sembra un po 'vecchio. Esistono più libri di aggiornamento su varie applicazioni di MCMC in settori quali l'apprendimento automatico delle macchine, la visione …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.