sgmcmc：用于随机梯度马尔可夫链蒙特卡洛的 R 包
统计计算
2018-04-16 v3 应用统计
机器学习
摘要
本文介绍了 R 包 sgmcmc，该包可用于利用随机梯度马尔可夫链蒙特卡洛（SGMCMC）方法对大规模数据集问题进行贝叶斯推断。传统的马尔可夫链蒙特卡洛（MCMC）方法（如 Metropolis-Hastings）已知会随着数据集规模的增加而运行极其缓慢。SGMCMC 通过在每次迭代中仅使用数据子集来解决这一问题。SGMCMC 需要计算对数似然和对数先验的梯度，手动执行这些计算既耗时又容易出错。sgmcmc 包利用自动微分自行计算这些梯度，从而大大简化了这些方法的实现。为此，该包使用了软件库 TensorFlow，后者将各种统计分布和数学运算作为标准功能，意味着可以使用此框架构建各类模型。SGMCMC 已在机器学习文献中被广泛采用，但在统计学界的应用较少。我们认为这在部分程度上是由于缺乏相关软件；本包旨在弥合这一差距。
引用
@article{arxiv.1710.00578,
title = {sgmcmc: An R Package for Stochastic Gradient Markov Chain Monte Carlo},
author = {Jack Baker and Paul Fearnhead and Emily B. Fox and Christopher Nemeth},
journal= {arXiv preprint arXiv:1710.00578},
year = {2018}
}