Gibbs 采样中的扫描顺序：受其影响的模型及影响程度的界
机器学习
2016-06-13 v1 人工智能
机器学习
摘要
Gibbs 采样是一种 Markov 链 Monte Carlo 采样技术，通过迭代地从条件分布中采样变量。变量的扫描顺序有两种常见方式：随机扫描和系统扫描。由于硬件局部性的优势，系统扫描被广泛使用，尽管大多数统计保证仅适用于随机扫描。虽然已有猜想认为随机扫描和系统扫描的混合时间相差不超过一个对数因子，但我们通过反例表明情况并非如此，并证明了在温和条件下两者的混合时间相差不超过一个多项式因子。为证明这些相对界，我们引入了一种通过电导研究系统扫描的增广状态空间方法。
引用
@article{arxiv.1606.03432,
title = {Scan Order in Gibbs Sampling: Models in Which it Matters and Bounds on How Much},
author = {Bryan He and Christopher De Sa and Ioannis Mitliagkas and Christopher Ré},
journal= {arXiv preprint arXiv:1606.03432},
year = {2016}
}