MCMC笔记Metropilis-Hastings算法(MH算法)

Posted UQI-LIUWJ

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了MCMC笔记Metropilis-Hastings算法(MH算法)相关的知识,希望对你有一定的参考价值。

1 前言

        我们在MCMC笔记:齐次马尔可夫链_UQI-LIUWJ的博客-CSDN博客 中介绍了平稳条件,当马尔可夫链达到平稳状态时(也就是各个状态之间的转移概率已经和时间无关了),那我们可以通过此时的马尔可夫链转移概率采集样本。

        比如我一开始时样本x0,那么我就根据x0到其他状态的转移概率采样,然后根据后续样

        那么现在的问题在于,什么时候达到平稳条件呢?或者说,我们怎么去找转移概率呢?

        在MCMC笔记:齐次马尔可夫链_UQI-LIUWJ的博客-CSDN博客中,我们知道detailed balance 可以推出平稳条件。

        但对于一般随机求得的转移概率q来说,

        于是我们需要构造一个系数,使得

        我们称为接受率,当等式成立的时候,就是此时平稳条件的

 2 MH算法

2.1 α(接受率)的选取

我们令

此时

                                                  

                                                 

                                                  

也即

所以此时满足detailed balance,所以此时的马尔可夫链满足平稳状态                           

2.2 MH算法流程

Q是我们设计出来的概率分布,我们的目的是希望Q(x)趋近于P(x)

 

 接受率是α(x,x*)

参考内容

机器学习-白板推导系列(十三)-MCMC(Markov Chain Monte Carlo)笔记 - 知乎 (zhihu.com)

机器学习-白板推导系列(十三)-MCMC(Markov Chain Monte Carlo)_哔哩哔哩_bilibili

以上是关于MCMC笔记Metropilis-Hastings算法(MH算法)的主要内容,如果未能解决你的问题,请参考以下文章

MCMC笔记:MCMC的不足

MCMC笔记:齐次马尔可夫链

MCMC笔记:蒙特卡罗方法

MCMC采样法 & 受限玻尔兹曼机

MCMC蒙特卡罗方法

MCMC马尔科夫链