拓端tecdat|R語言貝葉斯MCMC:GLM邏輯迴歸、Rstan線性迴歸、Metropolis Hastings與Gibbs取樣演算法例項
原文連結:http://tecdat.cn/?p=23236
原文出處:拓端資料部落公眾號
什麼是頻率學派?
在頻率學派中,觀察樣本是隨機的,而引數是固定的、未知的數量。
概率被解釋為一個隨機過程的許多觀測的預期頻率。
有一種想法是 "真實的",例如,在預測魚的生活環境時,鹽度和溫度之間的相互作用有一個迴歸係數?
什麼是貝葉斯學派?
在貝葉斯方法中,概率被解釋為對信念的主觀衡量。
所有的變數--因變數、引數和假設都是隨機變數。我們用資料來確定一個估計的確定性(可信度)。
這種鹽度X溫度的相互作用反映的不是絕對的,而是我們對魚的生活環境所瞭解的東西(本質上是草率的)。
目標
頻率學派
保證正確的誤差概率,同時考慮到抽樣、樣本大小和模型。
-
缺點:需要對置信區間、第一類和第二類錯誤進行復雜的解釋。
-
優點:更具有內在的 "客觀性 "和邏輯上的一致性。
貝葉斯學派
分析更多的資訊能在多大程度上提高我們對一個系統的認識。
-
缺點:這都是關於信仰的問題! ...有重大影響。
-
優點: 更直觀的解釋和實施,例如,這是這個假設的概率,這是這個引數等於這個值的概率。可能更接近於人類自然地解釋世界的方式。
實際應用中:為什麼用貝葉斯
- 具有有限資料的複雜模型,例如層次模型,其中
- 實際的先驗知識非常少
貝葉斯法則:
一些典型的貝葉斯速記法。
注意:
- 貝葉斯的最大問題在於確定先驗分佈。先驗應該是什麼?它有什麼影響?
目標:
計算引數的後驗分佈:π(θ|X)。
點估計是後驗的平均值。
一個可信的區間是
你可以把它解釋為一個引數在這個區間內的概率 。
計算
皮埃爾-西蒙-拉普拉斯(1749-1827)(見:Sharon Bertsch McGrayne: The Theory That Would Not Die)
- 有些問題是可分析的,例如二項式似然-貝塔先驗。
- 如果你有幾個引數,而且是奇數分佈,你可以用數值乘以/整合先驗和似然(又稱網格近似)。
- 但如果你有很多引數,這是不可能完成的操作
- 如果你有幾個引數,而且是奇數分佈,你可以用數值乘以/整合先驗和似然(又稱網格近似)。
- 儘管該理論可以追溯到1700年,甚至它對推理的解釋也可以追溯到19世紀初,但它一直難以更廣泛地實施,直到馬爾科夫鏈蒙特卡洛技術的發展。
MCMC
MCMC的思想是對引數值θi進行 "抽樣"。
回顧一下,馬爾科夫鏈是一個隨機過程,它只取決於它的前一個狀態,而且(如果是遍歷的),會生成一個平穩的分佈。
技巧 "是找到漸進地接近正確分佈的抽樣規則(MCMC演算法)。
有幾種這樣的(相關)演算法。
- Metropolis-Hastings抽樣
- Gibbs 抽樣
- No U-Turn Sampling (NUTS)
- Reversible Jump
一個不斷髮展的文獻和工作體系!
Metropolis-Hastings 演算法
- 開始:
- 跳到一個新的候選位置:
- 計算後驗:
- 如果
- 如果
- 轉到第2步
Metropolis-Hastings: 硬幣例子
你丟擲了5個正面。你對θ的最初 "猜測 "是
MCMC:
- p.old <- prior *likelihood
- while(length(thetas) <= n){
- theta.new <- theta + rnorm(1,0,0.05)
- p.new <- prior *likelihood
- if(p.new > p.old | runif(1) < p.new/p.old){
- theta <- theta.new
- p.old <- p.new
- }
畫圖:
- hist(thetas[-(1:100)] )
- curve(6*x^5 )
取樣鏈:調整、細化、多鏈
- 那個 "朝向 "平穩的初始過渡被稱為 "預燒期",必須加以修整。
- 怎麼做?用眼睛看
- 取樣過程(顯然)是自相關的。
- 如何做?通常是用眼看,用acf()作為指導。
- 如何做?通常是用眼看,用acf()作為指導。
-
為了保證你收斂到正確的分佈,你通常會從不同的位置獲得多條鏈(例如4條)。
-
有效樣本量
MCMC 診斷法
R軟體包幫助分析MCMC鏈。一個例子是線性迴歸的貝葉斯擬合(α,β,σ
plot(line)
預燒部分:
plot(line[[1]], start=10)
MCMC診斷法
檢視後驗分佈(同時評估收斂性)。
density(line)
引數之間的關聯性,以及鏈內的自相關關係
- levelplot(line[[2]])
- acfplot(line)
統計摘要
執行MCMC的工具(在R內部)
邏輯Logistic迴歸:嬰兒出生體重低
logitmcmc(low~age+as.factor(race)+smoke )
plot(mcmc)
MCMC與GLM邏輯迴歸的比較
MCMC與GLM邏輯迴歸的比較
對於這個應用,沒有很好的理由使用貝葉斯建模,除非--你是 "貝葉斯主義者"。 你有關於迴歸係數的真正先驗資訊(這基本上是不太可能的)。
一個主要的缺點是 先驗分佈棘手的調整引數。
但是,MCMC可以擬合的一些更復雜的模型(例如,層次的logit MCMChlogit)。
Metropolis-Hastings
Metropolis-Hastings很好,很簡單,很普遍。但是對迴圈次數很敏感。而且可能太慢,因為它最終會拒絕大量的迴圈。
Gibbs 取樣
在Gibbs吉布斯抽樣中,你不是用適當的概率接受/拒絕,而是用適當的條件概率在引數空間中行進。 並從該分佈中抽取一次。
然後你從新的條件分佈中抽取下一個引數。
比Metropolis-Hastings快得多。有效樣本量要高得多!
BUGS(OpenBUGS,WinBUGS)是使用吉布斯取樣器的貝葉斯推理。
JAGS是 "吉布斯取樣器"
其他取樣器
漢密爾頓蒙特卡洛(HMC)--是一種梯度的Metropolis-Hastings,因此速度更快,對引數之間的關聯性更好。
No-U Turn Sampler(NUTS)--由於不需要固定的長度,它的速度更快。這是STAN使用的方法(見http://arxiv.org/pdf/1111.4246v1.pdf)。
(Hoffman and Gelman 2011)
其他工具
你可能想建立你自己的模型,使用貝葉斯MC進行擬合,而不是依賴現有的模型。為此,有幾個工具可以選擇。
-
BUGS / WinBUGS / OpenBUGS (Bayesian inference Using Gibbs Sampling) - 貝葉斯抽樣工具的鼻祖(自1989年起)。WinBUGS是專有的。OpenBUGS的支援率很低。
-
JAGS(Just Another Gibbs Sampler)接受一個用類似於R語言的語法編寫的模型字串,並使用吉布斯抽樣從這個模型中編譯和生成MCMC樣本。可以在R中使用rjags包。
-
Stan(以Stanislaw Ulam命名)是一個類似於JAGS的相當新的程式--速度更快,更強大,發展迅速。從偽R/C語法生成C++程式碼。安裝:http://mc-stan.org/rstan.html**
-
Laplace’s Demon所有的貝葉斯工具都在R中: http://www.bayesian-inference.com/software
STAN
要用STAN擬合一個模型,步驟是:
- 為模型生成一個STAN語法虛擬碼(在JAGS和BUGS中相同
- 執行一個R命令,用C++語言編譯該模型
- 使用生成的函式來擬合你的資料
STAN示例--線性迴歸
STAN程式碼是R(例如,具有分佈函式)和C(即你必須宣告你的變數)之間的一種混合。每個模型定義都有三個塊。
1.資料塊:
- int n; //
- vector[n] y; // Y 向量
這指定了你要輸入的原始資料。在本例中,只有Y和X,它們都是長度為n的(數字)向量,是一個不能小於0的整數。
2. 引數塊
real beta1; // slope
這些列出了你要估計的引數:截距、斜率和方差。
3. 模型塊
- sigma ~ inv_gamma(0.001, 0.001);
- yhat[i] <- beta0 + beta1 * (x[i] - mean(x));}
- y ~ normal(yhat, sigma);
注意:
- 你可以向量化,但迴圈也同樣快
- 有許多分佈(和 "平均值 "等函式)可用
請經常參閱手冊!https://github.com/stan-dev/stan/releases/download/v2.9.0/stan-reference-2.9.0.pdf
2. 在R中編譯模型
你把你的模型儲存在一個單獨的檔案中, 然後用stan_model()命令編譯這個模型。
這個命令是把你描述的模型,用C++編碼和編譯一個NUTS取樣器。相信我,自己編寫C++程式碼是一件非常非常痛苦的事情(如果沒有很多經驗的話),而且它保證比R中的同等程式碼快得多。
注意:這一步可能會很慢。
3. 在R中執行該模型
這裡的關鍵函式是sampling()。還要注意的是,為了給你的模型提供資料,它必須是列表的形式
模擬一些資料。
- X <- runif(100,0,20)
- Y <- rnorm(100, beta0+beta1*X, sigma)
進行取樣!
sampling(stan, Data)
這裡有大量的輸出,因為它計算了
print(fit, digits = 2)
MCMC診斷法
為了應用coda系列的診斷工具,你需要從STAN擬合物件中提取鏈,並將其重新建立為mcmc.list。
- extract(stan.fit
- alply(chains, 2, mcmc)
最受歡迎的見解
4.R語言中的block Gibbs吉布斯取樣貝葉斯多元線性迴歸
8.R語言隨機搜尋變數選擇SSVS估計貝葉斯向量自迴歸(BVAR)模型
▍關注我們 【大資料部落】第三方資料服務提供商,提供全面的統計分析與資料探勘諮詢服務,為客戶定製個性化的資料解決方案與行業報告等。 ▍諮詢連結:http://y0.cn/teradat ▍聯絡郵箱:[email protected]