轻量广适MCMC：面向大数据集的近似贝叶斯推断
统计方法学
2015-11-25 v2
摘要
轻量广适（LWA-）MCMC 是一种针对定义在大量观测上的后验分布的 Metropolis-Hastings 核的新颖近似。受近似贝叶斯计算启发，我们设计了一个马尔可夫链，其转移利用可用数据中未知但固定的比例，其中子样本的随机选择由该子样本对观测数据的保真度引导，保真度通过摘要（或充分）统计量度量。LWA-MCMC 是一种通用且灵活的方法，正如我们所探索的多样化示例所说明的。在每种情况下，LWA-MCMC 都产生了优异的性能，并且在某些案例中相比现有方法取得了显著改进。
引用
@article{arxiv.1503.04178,
title = {Light and Widely Applicable MCMC: Approximate Bayesian Inference for Large Datasets},
author = {Florian Maire and Nial Friel and Pierre Alquier},
journal= {arXiv preprint arXiv:1503.04178},
year = {2015}
}
备注
26 pages