哈密顿蒙特卡洛与数据子采样根本不兼容
统计方法学
2015-02-06 v1
摘要
利用哈密顿流的连贯探索，哈密顿蒙特卡洛（Hamiltonian Monte Carlo）即使面对复杂高维目标分布也能产生计算高效的蒙特卡洛估计量。然而，当面对数据密集型应用时，该算法可能过于昂贵而无法实现，使我们不得不考虑诸如数据子采样之类的近似方法。在本文中，我证明了数据子采样如何从根本上有损于哈密顿流的高效探索，从而有损于哈密顿蒙特卡洛本身的可扩展性能。
引用
@article{arxiv.1502.01510,
title = {The Fundamental Incompatibility of Hamiltonian Monte Carlo and Data Subsampling},
author = {M. J. Betancourt},
journal= {arXiv preprint arXiv:1502.01510},
year = {2015}
}
备注
8 pages, 5 figures