利用分位数回归加速近似贝叶斯计算：在宇宙学红移分布中的应用
宇宙学与河外天体物理
2018-02-28 v2 机器学习
摘要
近似贝叶斯计算 (ABC) 是一种无需似然函数，利用模拟和一组距离度量来获得后验分布的方法。因此，它作为宇宙学和天体物理学中的分析工具近来日益流行。然而，其缺点是收敛速度慢。我们提出一种新方法，称为 qABC，利用分位数回归来加速 ABC。在该方法中，我们创建了一个距离度量分位数作为输入参数函数的模型。该模型在少量模拟上训练，并估计先验空间中哪些区域可能被接受进入后验。其他区域则立即被拒绝。随着更多模拟可用，此过程会重复进行。我们将其应用于宇宙学样本红移分布估计的实际问题，使用了先前工作中开发的前向建模。qABC 方法收敛到与基本 ABC 几乎相同的后验。然而，它仅使用了基本 ABC 模拟数量的 20%，在我们的问题中实现了五倍的执行时间增益。对于其他问题，加速率可能有所不同；它取决于先验与最终后验的接近程度。我们讨论了该方法的可能改进和扩展。
引用
@article{arxiv.1707.07498,
title = {Accelerating Approximate Bayesian Computation with Quantile Regression: Application to Cosmological Redshift Distributions},
author = {Tomasz Kacprzak and Jörg Herbel and Adam Amara and Alexandre Réfrégier},
journal= {arXiv preprint arXiv:1707.07498},
year = {2018}
}
备注
10 pages, 5 figures, prepared for submission to JCAP