切片采样

通过利用如下原理可以构造出自动适应被采样分布特征的马尔可夫链采样方法：可通过从其密度函数曲线下方的区域中均匀采样来从该分布中采样。可以通过在垂直方向均匀采样与从由当前垂直位置定义的水平“切片”中均匀采样（或更一般地，通过某个保持该切片上均匀分布不变的更新）交替进行，来构造收敛于该均匀分布的马尔可夫链。此类“切片采样”方法的变体易于对单变量分布实现，并可通过依次更新每个变量来用于从多元分布中采样。由于切片采样能够自适应地选择所做改变的大小，该方法通常比吉布斯采样更易于实现，且比简单的Metropolis更新更高效。因此，它对于常规和自动化使用具有吸引力。同时更新所有变量的切片采样方法也是可能的。这些方法可以基于密度函数的局部性质，自适应地选择对每个变量所做改变的大小。更大胆地，此类方法可通过构造局部二次近似来潜在地使采样适应变量间的依赖关系。另一种方法是通过抑制随机游走来提高采样效率。这可以使用单变量切片采样过程的“过松弛”版本，或使用“反射式”多元切片采样方法（从切片边缘反弹）来实现。