ref：
mcmc就是用來模擬狀態分布，後面根據分布再進行**。
mcmc 由兩個mc 組成，即蒙特卡羅方法（monte carlo simulation,簡稱mc）和馬爾科夫鏈（markov chain ，簡稱mc）。
mcmc 取樣，是一種隨機模擬的方法
收斂到平穩分布，基於馬氏鏈做取樣的關鍵問題是如何構造轉移矩陣p，使得平穩分布恰好是我們要的分布p(x).
mcmc-gibbs sampling 演算法
MCMC 貝葉斯學習 閱讀材料
機器學習貝葉斯線性回歸 最大後驗估計 高斯先驗 貝葉斯線性回歸 bayesian linear regression 貝葉斯線性回歸 線性回歸概率解釋 linear regression mcmc方法 mcmc取樣 從蒙特卡洛 mc 方法到馬爾可夫蒙特卡洛 mcmc 方法 6 mcmc 收斂性診斷 ...
MCMC 關鍵概念理解
回顧如下公式，既然對於 i j alpha i,j i,j 我們將之理解為從一條馬氏鏈過渡到另一條馬氏鏈的跳轉率 也作接受率 並且實際操作中是通過物理過程 從均勻分布中抽樣這個動作來實現的。那麼式中的q i j q i,j q i,j 作為轉移矩陣中的乙個點，它也是乙個取值於 0,1 的概率值，它的...
概率取樣3 MCMC
前面的取樣方法受限於高維，這裡mcmc解決了這個問題。我們知道很多mc都有乙個穩態特性，此時乙個mc對應於乙個概率分布，如果能使這個分布和要取樣的分布p z 一樣，那麼每次對p z 的取樣就等同於狀態的一次轉移。如果我們將轉移概率分成兩個部分 建議轉移和判斷轉移，即先從當前狀態和建議轉移獲得樣本，然...