ぎょーむ日誌 2005-02-26
2005 年 02 月 26 日 (土)
-
0900 起床.
朝飯.
コーヒー.
-
昨日,
試験監督ぎょーむの最中に整理した
空間相関推定の問題について再検討する
……
EM アルゴリズムがいちばん無難そうに思える.
しかし,
これを Bayes 推定するならどうすべきなのか,
そのあたりいまいちよくわからん.
対応関係が気になる.
-
1215 自宅発北大構内走.
晴.
1310 帰宅.
体重 75.0kg.
うーむ,
この体重の増えかたは
……
食べすぎというより,
よけーな筋肉がついてる,
と考えたほうがわかりやすいような気がするんだけど.
どうなんだろ.
昼飯.
-
1640 自宅発.
曇.
札幌駅まわりの本屋をふらふらと.
1720 研究室着.
-
えーと,
spamassassin
に手動で学習させんのは
sa-learn --spam dir
(dir
は spam の入ったディレクトリ)
とすればよさそーで.
-
午前中にひっかかったべいぢあん問題,
答えのひとつがわかった.
Gilks
(1992)
の
adaptive rejection sampling
(ARS)
というアルゴリズムだ
……
内容を理解すんのに数時間を使ってしまった.
いや,
それほど難解なものではないんだけど,
「これでホントに計算できるのか?」
というところでツマってしまって.
いまやその手口は把握できた
……
と思うわけだが,
それでもなおすごくめんどくさいものに思える.
未知確率分布を「包みこむ」
(というところからしてうさんくさいのだが)
凸包を iterative にややこしくしつつ乱数を生成させる,
という手法.
よくもまあ,
こんなの考えつくもんだよ.
-
実際に使われてるのかしらん,
と調べてみると
……
R
の
MCMCpack
の説明を見なおしてみると,
こいつは計算のしんどい急所では
Metropolis sampler を使ってるよーだ
(ポテンシャルを対数化して計算するのかしらん?)
……
ああ,
ARS のめんどさを考えると,
もういっそのことめとろぽりすで,
と考えるのもたしかにもっともなことだ.
状況に応じて Gibbs sampler も使ってるな.
再生性のある確率分布なら,
それもいいだろうね.
-
どうやら,
``Bayesian inference Using Gibbs Sampling''
あるいは
BUGS
あるいは WinBUGS
として著明なべいぢあんソフトウェアは
Gilks 近傍で開発されてるだけあって,
ARS を採用してるよーで.
-
以上をまとめると,
べいづ推定の途中でめんどうな乱数発生が必要になった場合に,
とりうる手段としては,
-
その部分に再生性あるんなら
まとめてしまって Gibbs sampler
-
Adaptive rejection sampler
-
Metropolis sampler
などなどを使え,
ということのよーで.
Logistic なモデルだと,
ARS か Metropolis sampler しか使えん
……
たいていのポアソン分布モデルとかでも同様かも.
-
2130 研究室発.
2140 帰宅.
晩飯.
-
[今日の運動]
-
[今日の食卓]
- 朝 (0930):
米麦 0.7 合.
ジャガイモ・タマネギ・ニンジン・海藻・煮干の味噌汁.
- 昼 (1400):
蕎麦.
- 晩 (2240):
米麦 0.9 合.
ジャガイモ・タマネギ・ニンジン・海藻・煮干の味噌汁.
ニラ・卵の炒めもの.