在今天的休闲编码练习中，我们学习了一种更先进、更稳健的蒙特卡罗方法来进行模型参数拟合，这也使我们能够计算模型的贝叶斯证据并执行模型选择。之前，我们已经实现了简单的Metropolis-Hastings MCMC 算法，我强烈建议您查看链接的帖子，作为蒙特卡罗方法和贝叶斯框架的入门读物。

创建您自己的用于贝叶斯参数拟合和模型选择的嵌套采样算法

嵌套采样

嵌套采样算法扩展了 Metropolis-Hastings MCMC 的思想。除了获得适合数据集的模型参数的后验之外，该方法还计算模型的贝叶斯证据 (Z) 。该算法源自John Skilling (2004)。

我们讨论了Metropolis-Hastings MCMC 算法中的贝叶斯框架。回顾一下，我们回顾一下贝叶斯定理：

image.png