python - 主持人中的步行者不探索参数空间？

Question

首先：为缺乏代码和相当模糊的描述道歉；我使用的代码有 1000 多行，我不确定它的哪些部分对发布有帮助。

我正在使用 emcee 进行一些贝叶斯参数估计。我的代码使用 50 个 walker，每个都进行 600 次迭代（没有细化），但无论出于何种原因，walker 链似乎收敛得相当快。虽然我启动了 50 个随机分布在 -1 和 1 之间的步行者，但它们并没有探索整个参数空间，但似乎很快收敛（通常围绕真实参数值）。图片如下：

实际参数值为 .6 和 .4

实际参数值为-1。和 1。

任何建议都非常感谢！

Answer 1

这就是他们应该做的——迅速收敛到后密度高的区域。另一个问题是，对于双峰密度，emcee 会产生次优建议，这会减慢收敛速度。这可能是在您的情况下发生的情况，并且在两个示例的第二张图中都可以看到。

建议的作者emcee（我上次阅读）通过他们已经实施的并行回火（参见文档）来解决这个问题。但是当模式之间的密度相差几个数量级时，它们的实现（我上次检查）将不起作用。

无论如何，多模态后验是所有 MCMC 的祸根，有很多尝试解决这个问题，但没有一个被普遍接受（欢迎来到前沿）。您将不得不探索几个选项，也许超越emcee，以找到适合您的选项。