据我了解，SIR 是一种从分布中采样的机制，其工作原理如下：
- 使用来自提议分布的重要性样本逼近目标分布
- 根据替换从中绘制一个小样本
结果是来自的样本。
- 为什么使用一个小子集而不是 1 中的完整样本？
- 为什么这是一种减少方差的技术，为什么减少方差很重要？
为什么采样重要性重采样 (SIR) 优于重要性采样 (IS)？
机器算法验证
采样
马尔可夫链蒙特卡罗
加权抽样
重要性抽样
2022-04-16 07:45:36
1个回答
主要的一点是，大多数时候，SIS/SIR 是在顺序设置中使用的，这就是为什么需要重新分配粒子以最好地处理下一次集成。在执行 IS 时，很常见的是所有权重仅归因于粒子的非常小的子部分，而它们表征了感兴趣的区域。重采样允许将粒子从低密度区域重新分配到高密度区域，从而更优化地使用我们可用的粒子（因为粒子越多，程序成本越高）。
据我了解，不小于：它们通常具有相同的大小。
其它你可能感兴趣的问题