Metropolis–Hastings算法是一種具體的MCMC方法,而吉布斯采樣(Gibbs Sampling)是Metropolis–Hastings算法的一種特殊形式。二者在機器學習中具有重要作用,Bishop在他的機器學習經典之作PRML中也專門用了一章的篇幅來介紹随機采樣方法。本文将結合R語言執行個體來探讨這兩種算法的相關話題。本文是這個系列文章的最後一篇,主要介紹MCMC中的Metropolis–Hastings算法和吉布斯采樣(Gibbs Sampling)方面的内容。
作為本系列文章的組成部分,也作為你閱讀本文所必須的預備知識,希望各位讀者确認已經對如下文章所談之話題了然于心:
- 蒙特卡洛(Monte Carlo)法求定積分
- 蒙特卡洛采樣之拒絕采樣(Reject Sampling)
- 矩陣的極限與馬爾科夫鍊(上)
- 矩陣的極限與馬爾科夫鍊(下&