采样之Gibbs算法
2016-11-08 08:18
120 查看
注:本文中所有公式和思路来自于邹博先生的《机器学习升级版》,我只是为了加深记忆和理解写的本文。
本文将要介绍Gibbs采样算法,其实Metropolis-Hastings、Gibbs都是属于MCMC采样的范畴,都是基于马尔科夫链的采样方式,Gibbs又可以看作是MCMC在高维上的推广,如果了解MCMC采样,那么学习Gibbs将会易如反掌。
从上一篇文章中可以知道,MCMC采样是有一定的拒绝率的,那么我们我们可以对MCMC进行改造,并在高维上推广。
二维Gibbs采样:
若需要采样二维联合分布p(x,y),首先固定x,可得:
第一行:根据细致平稳条件,当固定x1时得到的。
第二行:将p(x1,y1)展开得到p(x1)p(y1 | x1)
第三行:根据第二行的式子,令这两个式子相等
第四行:在普适意义上得出两个结论,我们只看第一个,从当前(cur)到其他状态(other)
当然我们固定住y可以得到同样的对偶结论,就不展开了:
二维Gibbs采样算法
(1): 随机初始化(X,Y) = (x0,y0)
(2): 对于t=1,2...循环采样
高维Gibbs采样算法
(1): 随机初始化(X1,X2...Xn) = (x10,x20...xn0)
(2): 对于t=1,2...循环采样直到收敛(burn-in)
这个递推公式已经足够清楚的解释这个过程了,这里就不再赘述了。
到此就将Gibbs采样介绍完了,欢迎批评指正。
本文将要介绍Gibbs采样算法,其实Metropolis-Hastings、Gibbs都是属于MCMC采样的范畴,都是基于马尔科夫链的采样方式,Gibbs又可以看作是MCMC在高维上的推广,如果了解MCMC采样,那么学习Gibbs将会易如反掌。
从上一篇文章中可以知道,MCMC采样是有一定的拒绝率的,那么我们我们可以对MCMC进行改造,并在高维上推广。
二维Gibbs采样:
若需要采样二维联合分布p(x,y),首先固定x,可得:
第一行:根据细致平稳条件,当固定x1时得到的。
第二行:将p(x1,y1)展开得到p(x1)p(y1 | x1)
第三行:根据第二行的式子,令这两个式子相等
第四行:在普适意义上得出两个结论,我们只看第一个,从当前(cur)到其他状态(other)
当然我们固定住y可以得到同样的对偶结论,就不展开了:
二维Gibbs采样算法
(1): 随机初始化(X,Y) = (x0,y0)
(2): 对于t=1,2...循环采样
高维Gibbs采样算法
(1): 随机初始化(X1,X2...Xn) = (x10,x20...xn0)
(2): 对于t=1,2...循环采样直到收敛(burn-in)
这个递推公式已经足够清楚的解释这个过程了,这里就不再赘述了。
到此就将Gibbs采样介绍完了,欢迎批评指正。
相关文章推荐
- MP3中音频采样和音频采样频率和位速的说明
- 音频格式重采样。
- LM3S ADC采样内部温度
- OpenCV 图像采样 插值 几何变换
- 火牛(STM32) 多路ADC采样数据经过RS485传输到另一块ARM板路虎(LPC1768)
- 基于STM32 8通道ADC采样实现源代码(转) 以后设计参考使用
- Zigbee之旅(六):几个重要的CC2430基础实验——ADC单次采样(转)
- 解决 ORACLE 11.2 动态采样导致的性能问题
- 自动收集统计信息Auto Maintenance Tasks和动态采样optimizer_dynamic_sampling
- FBO中多重采样抗锯齿(MSAA:MultiSampling Anti-Aliasing)
- record01.m%duration*fs 是总的采样点数
- 基于多项重采样的粒子滤波-matlab
- 图形学中的贴图采样、走样与反走样等
- 信号的频率与采样频率_采样点数的关系
- Simulink求解器步长和采样周期的关系
- TCP的核心系列 — 重传队列的更新和时延的采样(一)
- STC12C5201AD AD采样+串口发送模板
- 视频中直线像素采样(cvInitLineIterator )把每个像素点的三个值写入csv文件中
- Android_Bitmap_图片的二次采样并生成缩略图
- 过采样技术原理介绍