วิธีใดที่คุณต้องการในการตรวจสอบการลู่เข้าเมื่อใช้โซ่มาร์คอฟมอนติคาร์โลสำหรับการอนุมานแบบเบย์และทำไม?
คำตอบ:
ฉันใช้การวินิจฉัยแบบลู่เข้าของเจลแมน - รูบินเช่นกัน ปัญหาที่อาจเกิดขึ้นกับ Gelman-Rubin ก็คือมันอาจวินิจฉัยการลู่เข้าผิดพลาดหากปัจจัยการหดตัวใกล้เคียงกับ 1 โดยบังเอิญซึ่งในกรณีนี้คุณสามารถใช้พล็อต Gelman-Rubin-Brooks ดู"วิธีการทั่วไปสำหรับการตรวจสอบซ้ำ Convergence ของจำลอง"กระดาษสำหรับรายละเอียด นี้ได้รับการสนับสนุนในตอนจบแพคเกจใน R (สำหรับ "การวิเคราะห์การส่งออกและการวินิจฉัยสำหรับ Markov Chain Monte Carlo จำลอง") รวมถึงฟังก์ชั่นอื่น ๆ (เช่นการวินิจฉัยการลู่เข้าของ Geweke) coda
นอกจากนี้คุณยังสามารถดูได้ที่"งูเหลือม: การ R แพคเกจสำหรับ MCMC เอาท์พุทบรรจบประเมินและหลังการอนุมาน"
แทนที่จะใช้สถิติ Gelman-Rubin ซึ่งเป็นความช่วยเหลือที่ดี แต่ไม่สมบูรณ์แบบ (เช่นเดียวกับการวินิจฉัยการลู่เข้าทั้งหมด) ฉันเพียงแค่ใช้ความคิดเดียวกันและวางแผนผลลัพธ์สำหรับการประเมินกราฟิกแบบเห็นภาพ ในเกือบทุกกรณีที่ฉันได้พิจารณา (ซึ่งเป็นจำนวนมาก) การทำกราฟการติดตามร่องรอยของโซ่ MCMC หลายแห่งที่เริ่มต้นจากตำแหน่งเริ่มต้นที่หลากหลายนั้นเพียงพอที่จะแสดงหรือประเมินว่าหลังส่วนหลังเดียวกันถูกแปลงเป็นหรือไม่ในแต่ละกรณี . ฉันใช้วิธีนี้เพื่อ:
ประสิทธิภาพและการบรรจบกันเป็นประเด็นที่แตกต่างกันเล็กน้อย: เช่นคุณสามารถมีคอนเวอร์เจนซ์ที่มีประสิทธิภาพต่ำมาก (เช่นต้องใช้โซ่ยาวในการรวมกัน) ฉันใช้วิธีกราฟิกนี้ในการวินิจฉัย (และแก้ไขในภายหลัง) อย่างประสบความสำเร็จในการขาดปัญหาคอนเวอร์เจนซ์ในสถานการณ์เฉพาะและทั่วไป
นี่คือการถกเถียงกันอย่างช้าๆ แต่เรามีบททั้งหมดในหนังสือปี 2550 ของเราที่ แนะนำวิธีการมอนติคาร์โลที่มีการจัดการกับปัญหานี้ คุณสามารถดาวน์โหลดแพ็คเกจ CODA จาก CRANไปยังเอฟเฟกต์นี้ได้
ฉันชอบทำการแปลงผืนเป็นหลักและบางครั้งฉันก็ใช้การวินิจฉัยแบบลู่เข้าของเจลแมน - รูบิน