×
薛京南;梁法明

用于大数据贝叶斯分析的双平行蒙特卡罗。 （英语） Zbl 1430.62278号

统计计算。 29，第1期，23-32（2019）.
摘要：本文提出了一种简单、实用、高效的MCMC算法，用于大数据的贝叶斯分析。该算法建议将大数据集划分为一些较小的子集，并提供了一种简单的方法来聚集子集后验以近似全数据后验。为了进一步加快计算速度，该算法采用人口随机近似蒙特卡罗算法（一种并行MCMC算法）从每个子集的后验点进行模拟。由于该算法由数据并行和模拟并行两个层次组成，因此被称为“双并行蒙特卡罗”。该算法的有效性在数学和数值上得到了验证。

引用于6文件

MSC公司：

2007年6月62日 大数据和数据科学的统计方面
65二氧化碳 蒙特卡罗方法
2015年1月62日 贝叶斯推断

关键词：

易并行;分割和合并;多功能多媒体计算机;弹出SAMC;子集后聚集

软件：

科恩光滑
PDF格式BibTeX公司 XML格式引用
\textit{J.Xue}和\textit{F.Liang}，统计计算。29，编号1，23-32（2019；Zbl 1430.62278）
全文： 内政部 链接

参考文献：

[1] Andrieu，C.，Moulines，E.，Priouret，P.：可验证条件下随机近似的稳定性。SIAM J.控制优化。44, 283-312 (2005). https://doi.org/10.1137/S0363012902417267 ·Zbl 1083.62073号 ·doi:10.1137/S0363012902417267
[2] Carvalho，C.M.，Polson，N.G.，Scott，J.G.：稀疏信号的马蹄形估计器。《生物特征》97，465-480（2010）·Zbl 1406.62021号 ·doi:10.1093/biomet/asq017
[3] Geman，S.、Geman，D.：随机松弛、吉布斯分布和图像的贝叶斯恢复。IEEE传输。模式分析。机器。智力。6, 721-741 (1984). https://doi.org/10.1109/TPAMI.1984.4767596 ·Zbl 0573.62030号 ·doi:10.1109/TPAMI.1984.4767596
[4] Hasting，W.：使用马尔可夫链的蒙特卡罗采样方法及其应用。《生物特征》57，97-109（1970）。https://doi.org/10.1093/biomet/57.1.97 ·Zbl 0219.65008号 ·doi:10.1093/biomet/57.1.97
[5] 卡斯，RE；蒂尔尼，L。；巴蒂斯特·卡丹；Geisser，S.（编辑）；Hodges，JS（编辑）；出版社，SJ（编辑）；ZeUnerv，A.（编辑），《基于拉普拉斯方法的后扩张有效性》，第7期，473-488（1990），阿姆斯特丹·Zbl 0734.62034号
[6] Li，C.，Srivastava，S.，Dunson，D.B.：简单、可扩展和准确的后验区间估计。Biometrika 104，665-680（2017）·Zbl 07072234号
[7] Liang，F.：关于蒙特卡罗积分中随机近似蒙特卡罗的使用。统计概率。莱特。79, 581-587 (2009) ·兹比尔1156.62344 ·doi:10.1016/j.spl.2008.10.007
[8] Liang，F.，Liu，C.，Carroll，R.J.：蒙特卡罗计算中的随机近似。《美国统计协会期刊》102、305-320（2007）·Zbl 1226.65002号 ·doi:10.1198/0162145000001202
[9] Metropolis，N.、Rosenbluth，A.W.、Rosenbruth，M.N.、Teller，A.H.、Teler，E.：快速计算机器的状态方程计算。化学杂志。物理学。21, 1087 (1953) ·Zbl 1431.65006号 ·数字对象标识代码：10.1063/1.1699114
[10] Minsker，S.、Srivastava，S.，Lin，L.、Dunson，D.B.：通过子集后验中位数的稳健可扩展贝叶斯。ArXiv电子版（2014）·Zbl 1442.62056号
[11] Neiswanger，W.，Wang，C.，Xing，E.P.：渐近精确，令人尴尬的平行MCMC，In:第三十届人工智能不确定性会议论文集，UAI’14，第623-632页，AUAI出版社，阿灵顿。http://dl.acm.org/citation.cfm？id=3020751.3020816 (2014)
[12] Ripley，B.D.：随机模拟。威利，纽约（1987）·Zbl 0613.65006号 ·数字对象标识代码：10.1002/9780470316726
[13] Robbins，H.，Monro，S.：一种随机近似方法。安。数学。《美国联邦法律大全》第22卷，第400-407页（1951年）。https://doi.org/10.1214/aoms/117729586 ·Zbl 0054.05901号 ·doi:10.1214/oms/1177729586
[14] Roe，B.P.，Yang，H.-J.，Zhu，J.，Liu，Y.，Stancu，I.，McGregor，G.：增强决策树作为人工神经网络的替代品，用于粒子识别。编号。仪器。方法物理学。研究部分。A加速度。光谱学。检测。Assoc.Equip.543，577-584（2005）·doi:10.1016/j.nima.2004.12.018
[15] Scott，S.L.，Blocker，A.W.，Bonassi，F.V.：贝叶斯和大数据：共识蒙特卡罗算法。国际管理杂志。科学。工程管理。11, 78-88 (2016)
[16] Song，Q.，Wu，M.，Liang，F.：种群与单链随机近似MCMC算法的弱收敛速度。高级申请。可能性。46, 1059-1083 (2014). https://doi.org/10.1239/aap/1418396243 ·Zbl 1305.60065号 ·doi:10.1239/aap/1418396243
[17] Srivastava，S.，Cevher，V.，Tran-Dinh，Q.，Dunson，D.B.：WASP：通过子集后验的重心可缩放贝叶斯。收录于：AISTATS，JMLR第38卷：研讨会和会议记录（JMLR.org）（2015a）
[18] Srivastava，S.，Li，C.，Dunson，D.B.：通过Wasserstein空间中的重心可缩放贝叶斯。ArXiv电子版（2015b）·兹比尔1444.62037
[19] Tibshirani，R.：通过套索进行回归收缩和选择。《美国法律总汇》第58卷第267-288页（1996年）·Zbl 0850.62538号
[20] Wand，M.：KernSmooth：支持Wand&Jones（1995）的核平滑函数。r程序包版本2.23-15（2015）
[21] Wang，X.，Dunson，D.：通过Weierstrass采样器并联MCMC。ArXiv电子版（2013）
[22] Wang，X.，Guo，F.，Heller，K.A.，Dunson，D.B.：用随机分区树并行MCMC。收录于：Cortes，C.，Lawrence，N.D.，Lee，D.D.，Sugiyama，M.，Garnett，R.（编辑）《神经信息处理系统进展》，第28卷，第451-459页。Curran Associates公司。http://papers.nips.cc/paper/5986-parallelizing-mcmc-with-random-partition-trees.pdf (2015)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。