Pertanyaan yang diberi tag «mcmc»

Rantai Markov Monte Carlo (MCMC) mengacu pada kelas metode untuk menghasilkan sampel dari distribusi target dengan menghasilkan angka acak dari Rantai Markov yang distribusi stasionernya adalah distribusi target. Metode MCMC biasanya digunakan ketika metode yang lebih langsung untuk pembuatan bilangan acak (misalnya metode inversi) tidak layak. Metode MCMC pertama adalah algoritma Metropolis, kemudian dimodifikasi menjadi algoritma Metropolis-Hastings.

2
Hitung kurva ROC untuk data
Jadi, saya memiliki 16 percobaan di mana saya mencoba untuk mengotentikasi seseorang dari sifat biometrik menggunakan Hamming Distance. Ambang batas saya diatur ke 3.5. Data saya di bawah dan hanya percobaan 1 yang Benar-Benar Positif: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 …
9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 
2
Rao-Blackwellization of Gibbs Sampler
Saat ini saya memperkirakan model volatilitas stokastik dengan metode Markov Chain Monte Carlo. Dengan demikian, saya menerapkan metode pengambilan sampel Gibbs dan Metropolis. Dengan asumsi saya mengambil rata-rata distribusi posterior daripada sampel acak dari itu, apakah ini yang biasa disebut sebagai Rao-Blackwellization ? Secara keseluruhan, ini akan menghasilkan pengambilan rata-rata …
3
MCMC untuk menangani masalah kemungkinan datar
Saya memiliki kemungkinan yang cukup datar untuk mengarahkan sampler Metropolis-Hastings untuk bergerak melalui ruang parameter dengan sangat tidak teratur, yaitu tidak ada konvergensi yang dapat dicapai, apa pun parameter distribusi proposal (dalam kasus saya ini adalah gaussian). Tidak ada kompleksitas tinggi dalam model saya - hanya 2 parameter, tetapi tampaknya …
2
Rasio penerimaan dalam algoritma Metropolis – Hastings
Dalam algoritma Metropolis – Hastings untuk pengambilan sampel distribusi target, misalkan: πiπi\pi_{i} menjadi kerapatan target di keadaan ,iii πjπj\pi_j menjadi densitas target pada status yang diusulkan ,jjj hijhijh_{ij} menjadi kepadatan proposal untuk transisi ke keadaan mengingat keadaan saat ini ,jjjiii aijaija_{ij} menjadi kemungkinan menerima keadaan yang diusulkan diberikan keadaan saat …
2
Ukuran autokorelasi nilai kategoris Rantai Markov?
Pertanyaan Langsung: Apakah ada langkah-langkah korelasi-otomatis untuk urutan pengamatan variabel kategori (tidak berurutan)? Latar Belakang: Saya menggunakan MCMC untuk mengambil sampel dari variabel kategori dan saya ingin mengukur seberapa baik metode pengambilan sampel yang saya kembangkan adalah pencampuran di seluruh distribusi posterior. Saya kenal dengan petak acf dan korelasi-otomatis untuk …
1
Bisakah saya subsampel dataset besar di setiap iterasi MCMC?
Masalah: Saya ingin melakukan sampling Gibbs untuk menyimpulkan beberapa posterior lebih dari dataset besar. Sayangnya, model saya tidak terlalu sederhana dan dengan demikian pengambilan sampel terlalu lambat. Saya akan mempertimbangkan pendekatan variasional atau paralel, tetapi sebelum melangkah sejauh itu ... Pertanyaan: Saya ingin tahu apakah saya dapat sampel secara acak …
1
Apakah metode pengambilan sampel "pentingnya Gibbs" berfungsi?
Saya curiga ini adalah pertanyaan yang tidak biasa dan bersifat eksploratif, jadi tolong ajukan pertanyaan ini kepada saya. Saya bertanya-tanya apakah seseorang dapat menerapkan gagasan pentingnya pengambilan sampel untuk pengambilan sampel Gibbs. Inilah yang saya maksud: dalam pengambilan sampel Gibbs, kami mengubah nilai satu variabel (atau blok variabel) pada suatu …
1
Hamiltonian Monte Carlo (HMC): apa intuisi dan justifikasi di balik variabel momentum yang didistribusikan Gaussian?
Saya membaca makalah HMC pengantar yang luar biasa dari Prof. Michael Betancourt, tetapi saya terjebak dalam pemahaman bagaimana kita memilih pilihan distribusi momentum. Ringkasan Ide dasar dari HMC adalah untuk memperkenalkan variabel momentum dalam hubungannya dengan variabel target . Mereka bersama-sama membentuk ruang fase .pppqqq Energi total dari sistem konservatif …
8 mcmc  monte-carlo  hmc 
2
Ketika mendekati posterior menggunakan MCMC, mengapa kita tidak menyimpan probabilitas posterior tetapi menggunakan frekuensi nilai parameter setelahnya?
Saat ini saya memperkirakan parameter model yang ditentukan oleh beberapa persamaan diferensial biasa (ODE). Saya mencoba ini dengan pendekatan bayesian dengan memperkirakan distribusi posterior parameter yang diberikan beberapa data menggunakan Markov Chain Monte Carlo (MCMC). MCMC sampler menghasilkan rantai nilai parameter di mana ia menggunakan probabilitas posterior (tidak dinormalisasi) dari …
3
Terminologi 'matriks massa' Hamiltonian / Hibrid MCMC
Saya mencoba menerapkan HMC dengan matriks massa non-diagonal, tetapi saya tersandung oleh beberapa terminologi. Menurut BDA3 dan ulasan Neal, istilah energi kinetik (yang saya kira selalu digunakan karena kenyamanan) adalah K( p ) =halTM.- 1hal2.K(p)=pTM−1p2. K(p) = \frac{p^T M^{-1} p}{2} \,. Ini juga dikenali disebut multivariat normal dengan mean nol …
1
Pelacakan kemungkinan aneh dari rantai MCMC
Aku punya model yang berjalan: Single parameter -> Complex likelihood function -> Log-likelihood. Saya mengeksekusi rantai MCMC (menggunakan pymc) dan merencanakan jejak parameter dan log-likelihood. Estimasi parameter akhirnya masuk akal, tetapi plot log-likelihood tampak aneh bagi saya. Kemungkinan log tidak pernah melampaui nilai tertentu. Saya kira ini masuk akal, jika …
3
Bagaimana melakukan SVD untuk memasukkan nilai yang hilang, contoh konkret
Saya telah membaca komentar yang bagus mengenai bagaimana menangani nilai yang hilang sebelum menerapkan SVD, tetapi saya ingin tahu cara kerjanya dengan contoh sederhana: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Mengingat matriks di atas, jika saya …
8 r  missing-data  data-imputation  svd  sampling  matlab  mcmc  importance-sampling  predictive-models  prediction  algorithms  graphical-model  graph-theory  r  regression  regression-coefficients  r-squared  r  regression  modeling  confounding  residuals  fitting  glmm  zero-inflation  overdispersion  optimization  curve-fitting  regression  time-series  order-statistics  bayesian  prior  uninformative-prior  probability  discrete-data  kolmogorov-smirnov  r  data-visualization  histogram  dimensionality-reduction  classification  clustering  accuracy  semi-supervised  labeling  state-space-models  t-test  biostatistics  paired-comparisons  paired-data  bioinformatics  regression  logistic  multiple-regression  mixed-model  random-effects-model  neural-networks  error-propagation  numerical-integration  time-series  missing-data  data-imputation  probability  self-study  combinatorics  survival  cox-model  statistical-significance  wilcoxon-mann-whitney  hypothesis-testing  distributions  normal-distribution  variance  t-distribution  probability  simulation  random-walk  diffusion  hypothesis-testing  z-test  hypothesis-testing  data-transformation  lognormal  r  regression  agreement-statistics  classification  svm  mixed-model  non-independent  observational-study  goodness-of-fit  residuals  confirmatory-factor  neural-networks  deep-learning 
1
Distribusi proposal - Metropolis Hastings MCMC
Dalam rantai Metropolis-Hastings Markov Monte Carlo, distribusi proposal dapat berupa apa saja termasuk Gaussian (menurut Wikipedia). T: Apa motivasi untuk menggunakan selain Gaussian? Gaussian bekerja, mudah untuk mengevaluasi, cepat dan semua orang memahaminya. Mengapa saya mempertimbangkan hal lain? T: Karena distribusi proposal dapat berupa apa saja, dapatkah saya menggunakan distribusi …
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.