スライスサンプリングの検索結果1 - 3 件 / 3件

• あとで読む

  [機械学習] スライスサンプリング - tsubosakaの日記

  • 10 users
  • tsubosaka.hatenadiary.org
  • テクノロジー
  • 2010/03/27

  持橋さんのlwlmに関する記事を読んで、スライスサンプリング[1,2]というのが有用そうということで調べてみたのでメモ。 スライスサンプリング概要 今確率分布f(x)が の形で与えられており、このf(x)からxをサンプリングすることを考える。ここでl(x)は非負の関数、\pi(x)は確率密度関数とする。 サンプリングを以下の手順で行なう 初期値x_0を適当に決定する u_t = Uniform(0 , l(x_t))で一様分布からサンプリング X_t = { x | u_t < l(x)}とする x_{t+1}をX_tに含まれるxから\pi(x)に従ってサンプリングする 2へ戻る ここでu_tの値は捨てて、{x_t}だけ取り出すとf(x)に従うxをサンプリングできる。 何が嬉しいのか スライスサンプリングの話は以前から聞いたことがあったのですが、連続の場合だと4の部分が簡単にできそうではな

  • ML

  
• あとで読む

  スライスサンプリングでお手軽サンプリング - nozyhの日記

  • 8 users
  • nozyh.hatenadiary.org
  • テクノロジー
  • 2012/03/16

  ベイズ法などで用いるサンプリング法のなかで，スライスサンプリングというのがあります．原論文は以下になります． SLICE SAMPLING (Neal, Annals of Statistics 2003) サンプリング法で代表的なのはMetropolis-HastingやGibbs Samplingですが，これらにはそれぞれ問題点があります．例えばMetropolis法の問題点として，実際の問題に適応する場合，どのような提案分布を選んだら良いのか分からない，ということが挙げられます．よく使われるのは，現在のサンプル点を中心としたGauss分布ですが，分散をどう選べば良いか，ということなど，自明ではありません．提案分布が適切でない場合，サンプルの棄却率が高くなり，アルゴリズムの効率が落ちます．一方，この分散を小さくしすぎると，一度のサンプルで動く距離が小さくなり，これも効率の低下につながり

  
• あとで読む

  R言語でスライスサンプリング(Slice Sampling)を実装してみた - My Life as a Mock Quant

  • 3 users
  • teramonagi.hatenablog.com
  • 学び
  • 2013/02/03

  スライスサンプリング(Slice Sampling)というサンプリング手法 Slice sampling, Radford M. Neal, Source: Ann. Statist. Volume 31, Number 3 (2003), 705-767. [physics/0009028] Slice Sampling についてお勉強していたのでまとめる。以下の文章で「原論文」としてこの論文を参照する。 ちなみに１P程度ではあるものの皆大好きPRML・下の１１章にも記載がある。 概要＆アルゴリズム 手法としてはMCMCの一種と考えられるものであるので、まずサンプリング対象として欲しい確率分布(の規格化定数を除いた部分)を設定する。 この時、に従うサンプル系列を得るために、スライスサンプリングでは以下のようなアルゴリズムを考える。 初期時点として、その時の初期値を適当に設定 となるような