Класс: HamiltonianSampler
Оценка максимума плотности вероятностей журнала
xhat = estimateMAP(smp)
[xhat,fitinfo]
= estimateMAP(smp)
[xhat,fitinfo]
= estimateMAP(___,Name,Value)
возвращает оценку MAP журнала плотности вероятностей дискретизатора Монте-Карло xhat
= estimateMAP(smp
)smp
.
[
возвращает дополнительную информацию о модели в xhat
,fitinfo
]
= estimateMAP(smp
)fitinfo
.
[
задает дополнительные опции, используя один или несколько аргументы пары "имя-значение". Задайте аргументы пары "имя-значение" после всех других входных параметров.xhat
,fitinfo
]
= estimateMAP(___,Name,Value
)
Сначала создайте гамильтоновый семплер Монте-Карло с помощью hmcSampler
function, а затем использовать estimateMAP
для оценки точки MAP.
После создания HMC-сэмплера можно настроить сэмплер, нарисовать выборки и проверить диагностику сходимости с помощью других методов HamiltonianSampler
класс. Использование оценки MAP в качестве начальной точки в tuneSampler
и drawSamles
методы могут привести к более эффективной настройке и дискретизации. Пример этого рабочего процесса см. в Байесовской линейной регрессии с использованием гамильтонового Монте-Карло.
estimateMAP
использует ограниченную память Broyden-Fletcher-Goldfarb-Shanno (LBFGS) quasi-Newton оптимизатор, чтобы найти максимальную плотность журнала вероятностей. См. Nocedal и Wright [1].
[1] Nocedal, J. and S. J. Wright. Численная оптимизация, второе издание. Springer Series in Operations Research, Springer Verlag, 2006.