エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント1件
- 注目コメント
- 新着コメント
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
若き統計学者の英国: Particle MCMCの簡単な解説とJuliaによる実装例
Andreiu et al. (2010) "Particle Markov chain Monte Carlo methods"を簡単に説明する.SMCを用いた隠... Andreiu et al. (2010) "Particle Markov chain Monte Carlo methods"を簡単に説明する.SMCを用いた隠れマルコフモデルの(ベイズ的な)推定で一番良く使われる手法で,名前の通りSMCとMCMCを組み合わせて事後分布からのサンプリングを行う. xをlatent変数(マルコフ連鎖),yをデータ,cをパラメタとする.つまり隠れマルコフモデル(状態空間もでる)を考える.この時ポステリア,p(c|y)∝p(c)∫p(x|c)p(y|x,c)dxを推定したいとする.ここでp(c)はプライア.∫p(x|c)p(y|x,c)dx = p(y|c)なので,これは周辺尤度を求める必要があることを意味している.一般にlatent変数をintegrate outすることは難しいので,普通のMCMCだと(x,c)空間で探査することになり,xとcに相関がある
2018/03/17 リンク