Класс: HamiltonianSampler
Оцените максимум логарифмической плотности вероятности
xhat = estimateMAP(smp)
[xhat,fitinfo]
= estimateMAP(smp)
[xhat,fitinfo]
= estimateMAP(___,Name,Value)
возвращает максимум по опыту (MAP) оценка логарифмической плотности вероятности сэмплера Монте-Карло xhat
= estimateMAP(smp
)smp
.
[
возвращает дополнительную подходящую информацию в xhat
,fitinfo
]
= estimateMAP(smp
)fitinfo
.
[
задает дополнительные опции с помощью одного или нескольких аргументов пары "имя-значение". Задайте аргументы пары "имя-значение" после всех других входных параметров.xhat
,fitinfo
]
= estimateMAP(___,Name,Value
)
Сначала создайте гамильтонов сэмплер Монте-Карло с помощью hmcSampler
функция, и затем использует estimateMAP
оценить точку MAP.
После создания сэмплера HMC можно настроить сэмплер, чертить выборки и проверять диагностику сходимости с помощью других методов HamiltonianSampler
класс. Используя MAP оценивают как начальная точка в tuneSampler
и drawSamles
методы могут привести к более эффективной настройке и выборке. Для примера этого рабочего процесса смотрите, что Байесова Линейная регрессия Использует гамильтонов Монте-Карло.
estimateMAP
использует ограниченную память Бройден Флетчер Голдфарб Шэнно (LBFGS) оптимизатор квазиньютона, чтобы искать максимум логарифмической плотности вероятности. Смотрите Носедэла и Райта [1].
[1] Nocedal, J. и С. Дж. Райт. Числовая оптимизация, второй выпуск. Ряд Спрингера в исследовании операций, Springer Verlag, 2006.