阻塞吉布斯采样器在分层狄利克雷过程中的应用
摘要：层次狄利克雷过程（HDP）混合模型中的后验计算是非参数贝叶斯推断中一个活跃的研究领域。现有的文献几乎完全集中在参数的边际分布的中国餐馆特许经营（CRF）类比上，该类比可能混合性差，并且已知其与样本大小具有线性复杂性。最近开发的切片取样器允许对参数进行有效的块更新，但在我们的文章中显示它在统计上是不稳定的。我们开发了一个块Gibbs取样器，用于从HDP的后验分布中抽样，该取样器生成统计上稳定的结果，对于样本大小具有高度可扩展性，并且显示出良好的混合性。构建的核心是为共享的浓度参数赋予适当选择的伽玛先验，这使我们能够打破共享混合比例的依赖关系，并允许对某些对数凹形随机变量进行独立更新。在此过程中，我们利用分段切线逼近方法为这些随机变量开发了一个高效的拒绝取样器。
作者：Snigdha Das, Yabo Niu, Yang Ni, Bani K. Mallick, and Debdeep Pati
论文ID：2304.09945
分类：Computation
分类简称：stat.CO
提交时间：2023-04-21