Сэмплер Гамильтонова Монте-Карло (HMC)
hmc = hmcSampler(logpdf,startpoint)HamiltonianSampler объект. logpdf указатель на функцию, который оценивает логарифм плотности вероятности распределения равновесия и его градиента. Вектор-столбец startpoint начальная точка, с которой можно запустить выборку HMC.
После того, как вы создадите сэмплер, можно вычислить MAP (максимум по опыту) точечные оценки, настроить сэмплер, чертить выборки и проверять диагностику сходимости с помощью методов HamiltonianSampler класс. Для примера этого рабочего процесса смотрите, что Байесова Линейная регрессия Использует гамильтонов Монте-Карло.
hmc = hmcSampler(___,Name,Value)
Создайте сэмплер Гамильтонова Монте-Карло (HMC) к выборке от нормального распределения.
Во-первых, сохраните функциональный normalDistGrad на пути MATLAB®, который возвращает многомерную нормальную логарифмическую плотность вероятности и ее градиент (normalDistGrad задан в конце этого примера). Затем вызовите функцию с аргументами, чтобы задать logpdf входной параметр к hmcSampler функция.
means = [1;-3]; standevs = [1;2]; logpdf = @(theta)normalDistGrad(theta,means,standevs);
Выберите начальную точку для сэмплера HMC.
startpoint = randn(2,1);
Создайте сэмплер HMC и отобразите его свойства.
smp = hmcSampler(logpdf,startpoint);
smp
smp =
HamiltonianSampler with properties:
StepSize: 0.1000
NumSteps: 50
MassVector: [2x1 double]
JitterMethod: 'jitter-both'
StepSizeTuningMethod: 'dual-averaging'
MassVectorTuningMethod: 'iterative-sampling'
LogPDF: @(theta)normalDistGrad(theta,means,standevs)
VariableNames: {2x1 cell}
StartPoint: [2x1 double]
normalDistGrad функция возвращает логарифм многомерной нормальной плотности вероятности со средними значениями в Mu и стандартные отклонения в Sigma, заданный как скаляры или столбцы векторизовал ту же длину как startpoint. Вторым выходным аргументом является соответствующий градиент.
function [lpdf,glpdf] = normalDistGrad(X,Mu,Sigma) Z = (X - Mu)./Sigma; lpdf = sum(-log(Sigma) - .5*log(2*pi) - .5*(Z.^2)); glpdf = -Z./Sigma; end
logpdf — Логарифм целевой плотности и ее градиентаЛогарифм целевой плотности и ее градиента, определенного функцией указателя.
logpdf должен возвратить два выходных аргумента: [lpdf,glpdf] = logpdf(X). Здесь, lpdf основная-e логарифмическая плотность вероятности (до аддитивной постоянной), glpdf градиент логарифмической плотности и точка X вектор-столбец с тем же числом элементов как startpoint.
Входной параметр X к logpdf должно быть неограничено, означая что каждый элемент X может быть любое вещественное число. Преобразуйте любого ограниченные параметры выборки в неограниченные переменные перед использованием сэмплера HMC.
Если 'UseNumericalGradient' значение установлено к true, затем logpdf не должен возвращать градиент как второй выход. Используя числовой градиент может быть легче начиная с logpdf не должен вычислять градиент, но он может сделать выборку медленнее.
Типы данных: function_handle
startpoint — Начальная точка, чтобы начать производить отНачальная точка, чтобы начать производить от, заданный как числовой вектор-столбец.
Типы данных: single | double
Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
'VariableNames',{'Intercept','Beta'},'MassVectorTuningMethod','hessian' задает имена переменных выборки и массовый настраивающий метод вектора, чтобы быть 'hessian'.'StepSize' — Размер шага гамильтоновой динамикиРазмер шага гамильтоновой динамики, заданной как разделенная запятой пара, состоящая из 'StepSize' и положительная скалярная величина.
Чтобы предложить новое состояние для Цепи Маркова, сэмплер HMC интегрирует гамильтонову динамику с помощью интегрирования чехарды. Этот аргумент управляет размером шага того интегрирования чехарды.
Можно автоматически настроить размер шага с помощью tuneSampler.
Пример: 'StepSize',0.2
Типы данных: single | double
'NumSteps' — Количество шагов гамильтоновой динамикиКоличество шагов гамильтоновой динамики, заданной как разделенная запятой пара, состоящая из 'NumSteps' и положительное целое число.
Чтобы предложить новое состояние для Цепи Маркова, сэмплер HMC интегрирует гамильтонову динамику с помощью интегрирования чехарды. Этот аргумент управляет количеством шагов того интегрирования чехарды.
Можно автоматически настроить количество шагов с помощью tuneSampler.
Пример: 'NumSteps',20
Типы данных: single | double
'MassVector' — Массовый вектор переменных импульсаones(size(startpoint,1),1) (значение по умолчанию) | числовой вектор-столбец Массовый вектор переменных импульса, заданных как разделенная запятой пара, состоящая из 'MassVector' и числовой вектор-столбец с положительными значениями и той же длиной как startpoint.
“Массы” переменных импульса, сопоставленных с переменными интереса, управляют гамильтоновой динамикой в каждом предложении по Цепи Маркова.
Можно автоматически настроить массовый вектор с помощью tuneSampler.
Пример: 'MassVector',rand(3,1)
Типы данных: single | double
'JitterMethod' — Метод для дрожащего размера шага и количества шагов'jitter-both' (значение по умолчанию) | 'jitter-numsteps' | 'none'Метод для дрожания размера шага и количества шагов, заданных как разделенная запятой пара, состоящая из 'JitterMethod' и одно из следующих значений.
| Значение | Описание |
|---|---|
'jitter-both' | Случайным образом дрожите размер шага и количество шагов для каждой траектории чехарды. |
'jitter-numsteps' | Дрожание только количество шагов каждой траектории чехарды. |
'none' | Не выполните дрожание. |
С дрожанием сэмплер случайным образом выбирает размер шага или количество шагов каждой траектории чехарды как значения, меньшие, чем 'StepSize' и 'NumSteps' значения. Используйте дрожание, чтобы улучшить устойчивость интегрирования чехарды гамильтоновой динамики.
Пример: 'JitterMethod','jitter-both'
'StepSizeTuningMethod' — Метод для настройки размера шага сэмплера'dual-averaging' (значение по умолчанию) | 'none'Метод для настройки размера шага сэмплера, заданного как разделенная запятой пара, состоящая из 'StepSizeTuningMethod' и 'dual-averaging' или 'none'.
Если 'StepSizeTuningMethod' значение установлено к 'dual-averaging', затем tuneSampler настраивает размер шага чехарды сэмплера HMC, чтобы достигнуть определенного приемного отношения для фиксированного значения продолжительности симуляции. Продолжительность симуляции равняется размеру шага, умноженному на количество шагов. Чтобы установить целевое приемное отношение, используйте 'TargetAcceptanceRatio' аргумент пары "имя-значение" tuneSampler метод.
Пример: 'StepSizeTuningMethod','none'
'MassVectorTuningMethod' — Метод для настройки вектора массы сэмплера'iterative-sampling' (значение по умолчанию) | 'hessian' | 'none'Метод для настройки вектора массы сэмплера, заданного как разделенная запятой пара, состоящая из 'MassVectorTuningMethod' и одно из следующих значений.
| Значение | Описание |
|---|---|
'iterative-sampling' | Настройте |
'hessian' | Установите |
'none' | Не выполните настройку |
Чтобы выполнить настройку, используйте tuneSampler метод.
Пример: 'MassVectorTuningMethod','hessian'
'CheckGradient' — Отметьте для проверки аналитического градиентаtrue (или 1) (значение по умолчанию) | false (или 0) Отметьте для проверки аналитического градиента, заданного как разделенная запятой пара, состоящая из 'CheckGradient' и любой true (или 1) или false (или 0).
Если 'CheckGradient' true, затем сэмплер вычисляет числовой градиент в startpoint и сравнивает его с аналитическим градиентом, возвращенным logpdf.
Пример: 'CheckGradient',true
'VariableNames' — Выборка имен переменных{'x1','x2',...} (значение по умолчанию) | массив строк | массив ячеек из символьных векторов Выборка имен переменных, заданных как разделенная запятой пара, состоящая из 'VariableNames' и массив строк или массив ячеек из символьных векторов. Элементы массива должны быть уникальными. Длина массива должна совпасть с длиной startpoint.
Предоставьте 'VariableNames' значение, чтобы пометить компоненты вектора вы хотите к выборке с помощью сэмплера HMC.
Пример: 'VariableNames',{'Intercept','Beta'}
Типы данных: string | cell
'UseNumericalGradient' — Отметьте для использования числового градиентаfalse (или 0) (значение по умолчанию) | true (или 1) Отметьте для использования числового градиента, заданного как разделенная запятой пара, состоящая из 'UseNumericalGradient' и любой true (или 1) или false (или 0).
Если вы устанавливаете 'UseNumericalGradient' значение к true, затем сэмплер HMC численно оценивает градиент от логарифмической плотности, возвращенной logpdf. В этом случае, logpdf функция не должна возвращать градиент логарифмической плотности как второй выход. Используя числовой градиент делает HMC, производящий медленнее.
Пример: 'UseNumericalGradient',true
hmc — Гамильтонов сэмплер Монте-КарлоHamiltonianSampler объект Гамильтонов сэмплер Монте-Карло, возвращенный как HamiltonianSampler объект.
У вас есть модифицированная версия этого примера. Вы хотите открыть этот пример со своими редактированиями?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.