emcee：MCMC锤子
天体物理仪器与方法
2013-11-26 v4 计算物理
统计计算
摘要
我们介绍了一种稳定、经过充分测试的Python实现，实现了Goodman & Weare (2010)提出的用于马尔可夫链蒙特卡洛(MCMC)的仿射不变集成采样器。该代码是开源的，并已在天体物理学文献中的多个已发表项目中使用。emcee背后的算法相比传统MCMC采样方法具有若干优势，并且通过自相关时间（或每个独立样本的函数调用次数）衡量，其性能优异。该算法的一个主要优势是，在N维参数空间中，它只需要手动调整1或2个参数，而传统算法需要调整约个参数。在本文中，我们描述了该算法以及我们的实现和API的细节。利用集成方法的并行性，emcee允许任何用户无需额外努力即可利用多个CPU核心。该代码可在http://dan.iel.fm/emcee上以MIT许可证获取。
引用
@article{arxiv.1202.3665,
title = {emcee: The MCMC Hammer},
author = {Daniel Foreman-Mackey and David W. Hogg and Dustin Lang and Jonathan Goodman},
journal= {arXiv preprint arXiv:1202.3665},
year = {2013}
}
备注
Code re-licensed under MIT