Presná definícia
Čo znamená Gibbsovo vzorkovanie?
Gibbsovo vzorkovanie je MCMC algoritmus, ktorý opakovane vyberá každú premennú z jej úplného podmieneného rozdelenia pri aktuálnych hodnotách ostatných premenných. Jedna úplná séria aktualizácií tvorí prechod Markovovho reťazca s cieľovým spoločným rozdelením ako stacionárnym, ak platia podmienky ergodicity.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Je užitočné v bayesovských modeloch, keď sa spoločný posterior ťažko vzorkuje, ale úplné podmienené rozdelenia sú dostupné. Analytik spúšťa viac reťazcov, odstraňuje zahrievaciu fázu a sleduje konvergenciu. Pri silne korelovaných parametroch pomáha bloková aktualizácia alebo preparametrizovanie.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Ako funguje Gibbsovo vzorkovanie?
Každý krok obnoví jednu súradnicu podmienene na zvyšok; opakované cykly postupne zabudnú inicializáciu a aproximujú cieľ.
Kedy má Gibbsovo vzorkovanie praktický význam?
Je užitočné v bayesovských modeloch, keď sa spoločný posterior ťažko vzorkuje, ale úplné podmienené rozdelenia sú dostupné.
S čím si pojem nezamieňať?
Ancestrálne vzorkovanie prejde graf raz v smere rodičov; Gibbs opakovane mení hodnoty a vytvára korelovaný Markovov reťazec.
Ako sa výsledok kontroluje?
Používa sa diagnostika viacerých reťazcov, efektívna veľkosť vzorky, autokorelácia, trace plot a kontrola citlivosti na štart.
Na čo si dať pozor?
Reťazec sa môže pomaly presúvať medzi módmi alebo uviaznuť pri silných koreláciách; veľa iterácií neznamená veľa nezávislej informácie.