知识卡片
吉布斯按完整条件分布逐项更新
Gibbs在其他参数当前取值给定时抽一个参数,随后用更新后的值继续抽下一参数;扫完全部参数是一轮。若某个条件分布难以直接抽样,可在该步嵌入满足要求的Metropolis更新。它不是每轮随意重抽所有独立先验,也不因单次遍历就等于取得独立后验样本;一般仍需检查链的收敛与混合。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第2章 统计语言建模,spine056单元017;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00055.html。
- 结论依据:原文按参数迭代与Metropolis within Gibbs说明支持逐项条件抽样;后节先theta1再theta2的代码提供顺序例。未在本机运行示例或改变环境。
- 原始内容:法 在Gibbs采样法的帮助下,可以通过从条件概率中采样建立马尔科夫链。当完成了对所有参数的迭代时,就完成了一次Gibbs采样周期。当不能从条件分布中采样时,则可以使用Metropolis-Hastings算法,这被称作Met