打開MCMC（馬爾科夫蒙特卡洛）的黑盒子 - Pymc貝葉斯推理底層實現原理初探

我們在這篇文章裏有嘗試討論三個重點。第一，討論的 MCMC。第二，學習 MCMC 的實現過程，學習 MCMC 算法如何收斂，收斂到何處。第三，將會介紹爲什麼從後驗分佈中能返回成千上萬的樣本，也許讀者和我一樣，剛開始學習時，面對這種採樣過程看起來有點奇怪。 1. 貝葉斯景象圖 當構造一個有𝑁個未知變量的貝葉斯推斷問題時，首先要隱式的創建 N 維空間（可以理解爲 N 個隨機變量）的先驗分佈。 這 N

>>阅读原文<<