自适应随机邻域信息化马尔可夫链蒙特卡洛方法在高维贝叶斯变量选择中的应用
摘要：高效的马尔可夫链蒙特卡罗算法框架在面对离散高维分布时表现出色，例如贝叶斯变量选择问题中的后验分布。我们展示了许多最近引入的算法（如局部信息采样器和自适应缩放单个适应采样器）可以看作是这个框架内的特例。然后，我们结合了这两种现有方法的思想，描述了一种新的算法——自适应随机邻域信息采样器。我们通过多个实际和模拟数据集的例子证明，通过高效的逐点实现，对于一系列变量选择问题，特别是在非常大的$p$情况下，PARNI算法可以产生相对更可靠的推论。
作者：Xitong Liang, Samuel Livingstone and Jim Griffin
论文ID：2110.11747
分类：Computation
分类简称：stat.CO
提交时间：2021-10-28