エントリーの編集
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。
[PyMC]多峰事後分布のためのSequential Monte Carlo Sampler - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
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
- 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
[PyMC]多峰事後分布のためのSequential Monte Carlo Sampler - Qiita
Outline ベイズ推論における逆温度パラメータ 粒子フィルタ SMC Sampler Intro この記事では、ベイズ推... Outline ベイズ推論における逆温度パラメータ 粒子フィルタ SMC Sampler Intro この記事では、ベイズ推定用ライブラリPyMCにあるMCMC実装の一種、sample_smcについて扱います。 MCMCによるベイズ推論は、多峰な事後分布形状に弱いという弱点があります。 単純な例として、やや離れた正規分布×2からMCMCでサンプリングしてみましょう。下図は、MCMCのデファクトスタンダードであるNUTS (No U-Turn Sampler) による結果です。 図:混合正規分布状の事後分布(緑)からNUTSで得たサンプリング結果(赤) 左側の正規分布から移動できず、右側の正規分布からはサンプリングできていないことがわかります。これは、2つのmode(事後確率の高い領域)の間に谷があり、MCMCサンプラーがこの谷を乗り越えられないことに起因します。 この問題に対処する代表的な