Markov Chain Monte Carlo, 多元伯努利分布的建议分布?

多元伯努利模型是否有合适的建议分布?

例如,我想从一个概率分布中抽样

    p(x) = p*(x) / Z;

其中 x = {0,1}^M,Z 是归一化常数,直接抽取独立样本是不可行的,因此我转而使用 MCMC。

对于多元连续数据,使用高斯分布作为建议分布是显而易见的。对于这种二进制类型的数据,有没有合适的建议分布?

附注:我不想使用吉布斯采样,因为对我来说它太慢了。

谢谢


回答:

我想我找到了我想要的,这出现在去年的 NIPS 会议上:

“用于二元分布的辅助变量精确哈密顿蒙特卡洛采样器”

Ari Pakman 等人

http://www.stat.columbia.edu/~liam/research/pubs/pakman-exact-binary-hmc.pdf

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注