贝叶斯非参数模型中的自适应截断方法
摘要：贝叶斯非参数模型的后验推断涉及无限维先验，因此已经开发了许多精确的马尔科夫链蒙特卡洛算法。然而，这些方法并不通用，需要为不同类别的先验或不同模型开发特定的方法论。另一种替代方法是对无限维先验进行截断，然后使用标准的马尔科夫链蒙特卡洛方法进行推断。然而，对于许多模型来说，近似无限维后验的误差很难控制。本文介绍了一种自适应截断方法，允许算法决定截断的程度，从而避免在近似后验时产生大误差。构建了一系列被截断的先验，并使用嵌入在顺序蒙特卡洛算法中的马尔科夫链蒙特卡洛方法对其进行采样。还讨论了带有刻槌破坏先验的无限混合模型和具有独立增量先验的归一化随机测度的实施细节。通过对无限混合模型、半参数线性混合模型和非参数时间序列模型进行案例研究，说明了该方法论的应用。
作者：Jim E. Griffin
论文ID：1308.2045
分类：Computation
分类简称：stat.CO
提交时间：2014-05-22