利用归一化流从后验样本估计贝叶斯证据

我们提出了一种基于归一化流的新方法（$floZ$），用于从预先存在的未归一化后验分布样本中估计贝叶斯证据（及其数值不确定性）。我们在已知证据解析解（最多15个参数空间维度）的分布上验证了该方法，并与两种最先进的证据估计技术进行了比较：嵌套抽样（以计算证据为主要目标）和一种从后验样本产生证据估计的$k$近邻技术。如果目标后验的代表性样本可用，我们的方法对具有尖锐特征的后验分布更加稳健，尤其是在更高维度。对于简单的多元高斯分布，我们展示了其在多达200维、$10^5$个后验样本下的准确性。$floZ$具有广泛的适用性，例如从变分推断、马尔可夫链蒙特卡洛样本或任何其他从非归一化后验密度提供样本及其似然的方法中估计证据。作为物理应用，我们使用$floZ$计算了GW150914引力波数据环信号中第一泛音存在的贝叶斯因子，发现与嵌套抽样结果吻合良好。