मैं अभी गिब्स नमूना और मेट्रोपोलिस हेस्टिंग्स एल्गोरिथ्म पर कुछ पढ़ रहा हूं और कुछ सवालों का जवाब दिया है।
जैसा कि मैं इसे समझता हूं, गिब्स नमूनाकरण के मामले में, यदि हमारे पास एक बड़ी बहुभिन्नरूपी समस्या है, तो हम सशर्त वितरण से नमूना लेते हैं अर्थात नमूना एक चर जबकि अन्य सभी को तय करते हुए एमएच में, हम पूर्ण संयुक्त वितरण से नमूना लेते हैं।
दस्तावेज़ में एक बात कही गई थी कि प्रस्तावित नमूना हमेशा गिब्स नमूनाकरण में स्वीकार किया जाता है अर्थात प्रस्ताव स्वीकृति दर हमेशा 1 होती है। मेरे लिए यह एक बड़ा लाभ की तरह लगता है जैसे बड़ी बहुभिन्नरूपी समस्याओं के लिए ऐसा लगता है कि एमएच एल्गोरिदम के लिए अस्वीकृति दर काफी बड़ी हो गई है । अगर वास्तव में ऐसा है, तो पिछले वितरण के निर्माण के लिए हर समय गिब्स सैम्पलर का उपयोग न करने के पीछे क्या कारण है?
11
एक अच्छी तरह से निर्मित बहुभिन्नरूपी एमएच प्रस्ताव, गिब्स के नमूने को बहुत बेहतर बना सकता है, भले ही सशर्त से नमूना संभव हो (जैसे उच्च आयामी बहुभिन्नरूपी सामान्य, एचएमसी गिब्स को एक बड़े अंतर से हराता है जब चर अत्यधिक सहसंबद्ध होते हैं)। इसका कारण यह है कि गिब्स नमूना संयुक्त रूप से चर विकसित करने की अनुमति नहीं देता है। यह व्यक्तिगत तर्कों को क्रमिक रूप से अनुकूलित करके किसी फ़ंक्शन को अनुकूलित करने के अनुरूप है - आप बेहतर कर सकते हैं यदि आप उत्तराधिकार में प्रत्येक के बजाय संयुक्त रूप से सभी तर्कों का अनुकूलन करते हैं, भले ही बाद में करना आसान हो।
—
आदमी
मेट्रोपोलिस-हेस्टिंग्स एक सशर्त के प्रस्तावों का उपयोग करके नमूना कर सकते हैं। क्या आप किसी विशेष प्रकार के MH की बात कर रहे हैं ?
—
Glen_b -Reinstate मोनिका
टिप्पणी के लिए धन्यवाद। नहीं, मैं सिर्फ सामान्य रूप से सोच रहा था कि गिब्स सैम्पलर का अधिक बार उपयोग क्यों नहीं किया जाता है। इस तथ्य से चूक गए थे कि सशर्त वितरण फॉर्म को गिब्स के नमूने के लिए प्राथमिकता-प्राथमिकता के रूप में जाना जाता है। मेरी वर्तमान जरूरतों के लिए, ऐसा लगता है कि एक संयोजन सबसे अच्छा काम करता है। इसलिए, दूसरों को स्थिर रखते हुए मापदंडों के सबसेट के लिए MH चरण का उपयोग करें और फिर अन्य उपसेट के लिए गिब्स का उपयोग करें (जहां सशर्त विश्लेषणात्मक मूल्यांकन करना आसान है)। मैं अभी इस पर शुरू कर रहा हूं, इसलिए अभी तक विभिन्न प्रकार के एमएच के बारे में पता नहीं है। उस पर किसी भी सलाह की सराहना की है :-)
—
लुका