马尔可夫链蒙特卡罗的并行仿射变换调优

马尔可夫链蒙特卡罗采样器的性能在很大程度上取决于目标分布的性质，如其协方差结构、概率质量的位置及其尾部行为。我们探索使用样本空间的双射仿射变换来改善目标分布的性质，从而提升在变换空间中运行的采样器的性能。特别地，我们提出了一种灵活且用户友好的方案，用于在采样过程中自适应地学习仿射变换。此外，我们的方案与吉布斯极坐标切片采样相结合，在基于真实世界数据的多种场景下，能以相对较低的计算成本生成高质量的样本。