นี่เป็นคำถามที่เกิดขึ้น (ดูโพสต์นี้ , โพสต์นี้และโพสต์นี้ ) แต่ฉันมีสปินที่แตกต่างกัน
สมมติว่าฉันมีกลุ่มตัวอย่างจากตัวอย่าง MCMC ทั่วไป สำหรับแต่ละตัวอย่างฉันรู้ค่าของการบันทึกความเป็นไปได้และเข้าสู่ระบบก่อน ) ถ้ามันช่วยได้ฉันก็รู้ค่าของความน่าจะเป็นของการบันทึกต่อจุดข้อมูล, (ข้อมูลนี้ช่วยในวิธีการบางอย่างเช่น WAIC และ PSIS-LOO)
ฉันต้องการที่จะได้รับ (น้ำมันดิบ) ประมาณการของโอกาสร่อแร่เพียงกับกลุ่มตัวอย่างที่ฉันมีและอาจจะไม่กี่การประเมินผลการทำงานอื่น ๆ ( แต่ไม่ rerunning เฉพาะกิจ MCMC)
ก่อนอื่นมาล้างตารางกันก่อน เราทุกคนรู้ว่าตัวประมาณค่าฮาร์มอนิกเป็นตัวประมาณที่แย่ที่สุดที่เคยมีมา ไปกันเถอะ หากคุณกำลังทำตัวอย่างกิ๊บส์กับนักบวชและผู้โพสต์ในรูปแบบปิดคุณสามารถใช้วิธีการของ Chib ; แต่ฉันไม่แน่ใจว่าจะพูดคุยกันนอกเรื่องเหล่านี้ได้อย่างไร นอกจากนี้ยังมีวิธีการที่ต้องการให้คุณปรับเปลี่ยนขั้นตอนการสุ่มตัวอย่าง (เช่นผ่านทางโปสเตอร์ที่มีอารมณ์ ) แต่ฉันไม่สนใจที่นี่
วิธีการที่ฉันคิดประกอบด้วยการประมาณการกระจายพื้นฐานด้วยรูปร่าง (หรือ nonparametric) รูปร่าง , แล้วหาค่าคงที่การทำให้เป็นมาตรฐานเป็นปัญหาการหาค่าเหมาะที่สุดแบบ 1-D (เช่นที่ลดข้อผิดพลาดบางอย่างระหว่างและประเมินจากตัวอย่าง) ในกรณีที่ง่ายที่สุดสมมติว่าด้านหลังเป็นตัวแปรหลายคร่าวๆฉันสามารถใส่เป็นหลายตัวแปรปกติและได้สิ่งที่คล้ายกับการประมาณ Laplace (ฉันอาจต้องการใช้การประเมินฟังก์ชั่นเพิ่มเติมบางอย่างเพื่อปรับแต่งตำแหน่งของโหมด) แต่ผมสามารถใช้เป็นครอบครัวมีความยืดหยุ่นมากขึ้นเช่นมีส่วนผสมแปรผันของหลายตัวแปรกระจาย
ฉันขอขอบคุณที่วิธีนี้ใช้งานได้เฉพาะเมื่อเป็นค่าประมาณที่เหมาะสมกับแต่มีเหตุผลหรือเหตุผลเรื่องเตือนว่าทำไมมันถึงไม่ฉลาดนักที่จะทำอย่างนั้น? การอ่านใด ๆ ที่คุณอยากจะแนะนำ?
วิธีการที่ไม่ใช่พารามิเตอร์ทั้งหมดใช้บางครอบครัวที่ไม่ใช่พารามิเตอร์เช่นกระบวนการแบบเกาส์ (GP), เพื่อประมาณf ( x | θ ) + บันทึกf ( θ ) (หรือการแปลงแบบไม่เชิงเส้นอื่น ๆ เช่นรากที่สอง) และBayesian การสร้างพื้นที่สี่เหลี่ยมจัตุรัสเพื่อรวมเข้ากับเป้าหมายพื้นฐานโดยนัย (ดูที่นี่และที่นี่ ) สิ่งนี้ดูเหมือนจะเป็นวิธีทางเลือกที่น่าสนใจ แต่ก็คล้าย ๆ กับในใจ