随机行走Metropolis算法中的自动步长选择
摘要：随机行走Metropolis-Hastings算法的自变量可能会犹豫其实践者使用马尔可夫链蒙特卡洛(MCMC)算法，尤其是对于参数较多的变量一次算法，因为这些算法需要用户选择调节参数(步长)的值。如果步长设置得太低或太高，这些算法的性能会很差。本文展示了一种算法，可以自动调节这些步长，以获得期望的接受概率，因为接受概率的logit函数几乎在步长的对数尺度上是线性的，且具有已知的斜率系数。这些思路适用于大多数应用，包括在线性、对数或logit尺度上进行的单参数或块移动。我们讨论了这个算法在软件包YADAS中的实现。
作者：Todd L. Graves
论文ID：1103.5986
分类：Computation
分类简称：stat.CO
提交时间：2011-03-31