为什么要用NUTS采样器（No-U-turn Sampler），以及NUTS的算法分析 - 知乎 (zhihu.com)
流量强度是单服务器马尔可夫队列最关键的参数之一。本文通过从后验分布中采样来处理 M/M/1 队列的贝叶斯推理。No-U-Turn Sampler (NUTS) 是最近开发的马尔可夫链蒙特卡洛 (MCMC) 算法，该算法被提出通过在出发时期观察系统中的客户数量来计算交通强度。数值结果表明，NUTS 优于文献中的其他算法。
HMC 生成了一个假设的物理系统: 想象一个具有一定动能的球在山谷和丘陵的地形上滚动(这个类比分解为超过2个维度) ，这个地形由你想要采样的后部定义。每次你想采取一个新的 MCMC 样本，你随机挑选的动能和开始球滚动从你在哪里。你在离散的时间步骤模拟，并确保你探索参数空间正确，你模拟步骤在一个方向和两倍，在另一个方向，再次转身等。在某些时候，你想要停止这种做法，一个好的方法是当你做了一个 U 型转弯(即似乎已经去了所有的地方).此时，您的马尔可夫链的下一步建议将从您访问过的点中选择(带有一定的限制)。也就是说，对假设的物理系统的整个模拟只是为了得到一个建议，然后这个建议被接受(下一个 MCMC 样本是建议的点)或者被拒绝(下一个 MCMC 样本是起点)。
网友评论