BriefGPT.xyz
Jan, 2014
贝叶斯条件密度滤波
Bayesian Conditional Density Filtering for Big Data
HTML
PDF
Rajarshi Guhaniyogi, Shaan Qamar, David B. Dunson
TL;DR
本论文提出了一种新的条件密度滤波算法（C-DF），用于有效的在线贝叶斯推断，通过在新数据到达时从条件后验分布的近似中采样，利用统计量消除了同时存储或处理整个数据集的需求，从而提高了内存需求和运行时长，改善了混合度，并展示了其在高维压缩回归中的应用。同时，本文证明了C-DF样本随着采样的进行和数据的增多而渐近地收敛于目标后验分布。
Abstract
We propose a
conditional density filtering
(C-DF) algorithm for efficient online
bayesian inference
. C-DF adapts Gibbs sampling to the online setting, sampling from approximations to conditional posterior distrib
→