MCMC nima va qaysi usullar (Metropolis-Hastings, Gibbs, HMC)?

MCMC (Markov zanjiri Monte Carlo) murakkab taqsimotlardan namunalar chiqarish uchun algoritmlar sinfidir, ayniqsa to'g'ridan-to'g'ri hisoblash imkoni bo'lmagan hollarda. U Markov zanjirini quradi va vaqt o'tishi bilan maqsad taqsimotiga mos keladi.

MCMC ning asosiy usullari:

• Metropolis-Hastings: asosiy algoritm bo'lib, keyingi holat uchun nomzodlarni ishlab chiqaradi va ularni ma'lum ehtimollik bilan qabul qiladi, bu esa kerakli taqsimotga mos kelishni ta'minlaydi.

• Gibbs sampling: Metropolis-Hastings ning maxsus holati bo'lib, har bir parametr ketma-ket shartli taqsimotdan yangilanadi, qolgan parametrlar esa o'zgarmaydi. Agar shartli taqsimotlar ma'lum va oddiy bo'lsa, ayniqsa samarali.

• Hamiltonian Monte Carlo (HMC): maqsad taqsimotining logarifmi gradientlarini va Hamilton dinamikasining fizik tafsirini ishlatadi, parametrlar bo'shlig'ini samarali o'rganish uchun, tasodifiy yurishlarni kamaytiradi va mos kelishni tezlashtiradi.

Ushbu usullar bayesiy tahlil, Gausssiy jarayonlar va Bayes optimallashtirishda murakkab posterior taqsimotlarni baholash uchun keng qo'llaniladi.