MCMC前沿

4.1 收斂與完美抽樣

收斂性的診斷

確定馬爾可夫鏈的長(zhǎng)度是一項(xiàng)困難的任務(wù)。

在實(shí)踐中，人們經(jīng)常丟棄一組初始樣本（預(yù)燒），以避免起始點(diǎn)導(dǎo)致偏差。

如果鏈穩(wěn)定下來(lái)，人們可以應(yīng)用幾個(gè)圖形和統(tǒng)計(jì)測(cè)試來(lái)大致評(píng)估。一般來(lái)說(shuō)，這些測(cè)試都沒(méi)有提供完全滿意的診斷。

幾位理論家試圖約束混合時(shí)間，即馬爾可夫鏈K的分布接近目標(biāo)p(x)所需的最小步數(shù)。
我們用總變化范數(shù) Δ x ( t ) Δ_x(t) Δ

總結(jié)

以上是生活随笔為你收集整理的8. An Introduction to MCMC for Machine Learning (5)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。