我正在学习贝叶斯统计。我发现 这个 pymc3 介绍有时使用 MAP 来估计 MCMC 输入的参数（回归示例），但介绍没有针对 Stochastic Vol 和 Coal Disaster 案例运行 MAP。
我知道，当模式不具有代表性或者我们有专家明确指定先验时，我们不应该使用 MAP。
假设我们对数据一无所知，只是起草层次模型而没有专家的帮助，我们是否应该在进行 MCMC 之前总是运行 MAP 来找出初始点估计？例如，我们还应该运行 MAP 的随机波动率和煤灾示例吗？
在大多数情况下，在 MCMC 之前运行 MAP 估计？
机器算法验证
贝叶斯
马尔可夫链蒙特卡罗
分层贝叶斯
2022-03-28 04:57:01
1个回答
MAP 是后验分布的模式，正如评论中所指出的，它不一定是要考虑的合理估计。很可能，您可以在教程中看到 MAP，因为他们希望展示其软件的不同可能功能，而不是最符合方法论的解决方案。在某些情况下，使用 MAP 作为采样的起点可能是合理的，因为这使采样器能够从合理的起点开始，如果从完全随机初始化开始，应该更快地为您提供合理的样本。但是请注意，这不一定有效，例如 PyMC3 文档不鼓励使用 MAP 作为 NUTS 采样器的初始化，并使用不同形式的初始化作为默认值。所以这绝对不是一个万能的解决方案。
其它你可能感兴趣的问题