Eu estava lendo o Blog de Christian Robert hoje e gostei bastante do novo algoritmo de Metropolis-Hastings que ele estava discutindo. Parecia simples e fácil de implementar.
Sempre que codifico o MCMC, costumo seguir algoritmos MH muito básicos, como movimentos independentes ou passeios aleatórios na escala de log.
Quais algoritmos de MH as pessoas usam rotineiramente? Em particular:
- Por que você os usa?
- Em certo sentido, você deve pensar que eles são ótimos - afinal você os usa rotineiramente! Então, como você julga a otimização: facilidade de codificação, convergência, ...
Estou particularmente interessado no que é usado na prática, ou seja, quando você codifica seus próprios esquemas.
mcmc
metropolis-hastings
csgillespie
fonte
fonte
Respostas:
O híbrido Monte Carlo é o algoritmo padrão usado para redes neurais. Amostragem de Gibbs para classificação de processo Gaussiana (quando não se usa uma aproximação determinística).
fonte
A amostragem MH é usada quando é difícil coletar amostras da distribuição alvo (por exemplo, quando o anterior não é conjugado com a probabilidade). Portanto, você usa uma distribuição de proposta para gerar amostras e aceitá-las / rejeitá-las com base na probabilidade de aceitação. O algoritmo de amostragem Gibbs é uma instância específica do MH, onde as propostas são sempre aceitas. A amostragem de Gibbs é um dos algoritmos mais comumente usados devido à sua simplicidade, mas nem sempre é possível aplicar; nesse caso, recorre-se ao MH com base em propostas de aceitação / rejeição.
fonte
Em física, física estatística em particular, algoritmos do tipo Metropolis são usados extensivamente. Na verdade, existem inúmeras variantes e as novas estão sendo ativamente desenvolvidas. É um tópico muito amplo para oferecer qualquer tipo de expansão aqui, por isso, se você estiver interessado, pode começar, por exemplo, a partir dessas notas de aula ou da página da biblioteca da ALPS (http://alps.comp-phys.org/mediawiki).
fonte
Eu uso um amostrador de fatias - originalmente proposto por Neal (2003), que ajusto através da otimização heurística.
fonte