ベイズ変数選択の計算的解決

PDMP による非可逆ジャンプの達成

PDMP
Poster
News
Author

司馬博文

Published

2/17/2025

概要

PDMP とはマルコフ連鎖，拡散過程に続いて，近年活発にモンテカルロ法に利用されつつある連続時間マルコフ過程のクラスである．より速く収束するサンプラーが構成しやすいこと，モンテカルロ推定量にバイアスを導入しないようなサブサンプリング（バッチ実行）が可能であることから，近年特に統計・機械学習の分野でも注目が高まっている．

本ポスター発表ではさらに，「 \(\delta_x\) 部分を持った非絶対連続確率分布からも正確なサンプリングが可能」という PDMP に基づくモンテカルロ法の第３の美点に焦点を当て，特にベイズ変数選択を応用として取り上げる．

計算技術による学際的統計解析ワークショップ (ISACT2025)

Date Location
Feb. 17th, 15:30-16:30
18th, 11:20-12:00		 ISM D305
No. 11

クリックで PDF を表示

クリックで PDF を表示

参考ページ集

PDMP とそのシミュレーションに関しては，次のスライドにわかりやすく解説されています：

図は全て発表者開発のパッケージ PDMPFlux.jl によるものです．

Sticky PDMP (Bierkens et al., 2023) に関するさらに詳しい内容，またはベイズ変数選択一般については，次の記事にまとめています：

References

Bierkens, J., Grazzi, S., Meulen, F. van der, and Schauer, M. (2023). Sticky PDMP Samplers for Sparse and Local Inference Problems. Statistics and Computing, 33(1), 8.

Citation

BibTeX citation:
@online{2025,
  author = {, 司馬博文},
  title = {ベイズ変数選択の計算的解決},
  date = {2025-02-17},
  url = {https://162348.github.io/posts/2025/Posters/Sticky.html},
  langid = {en},
  abstract = {PDMP
    とはマルコフ連鎖，拡散過程に続いて，近年活発にモンテカルロ法に利用されつつある連続時間マルコフ過程のクラスである．より速く収束するサンプラーが構成しやすいこと，モンテカルロ推定量にバイアスを導入しないようなサブサンプリング（バッチ実行）が可能であることから，近年特に統計・機械学習の分野でも注目が高まっている．
    本ポスター発表ではさらに，「 \$\textbackslash delta\_x\$
    部分を持った非絶対連続確率分布からも正確なサンプリングが可能」という
    PDMP
    に基づくモンテカルロ法の第３の美点に焦点を当て，特にベイズ変数選択を応用として取り上げる．}
}
For attribution, please cite this work as:
司馬博文. (2025, February 17). ベイズ変数選択の計算的解決.