2353 shaares
Je suis passé à zsh, ça change de bash!
Quelques conseils rigolos
Quelques conseils rigolos
Vindiou, c'est sévère chez les anglois en ce moment...
"In years to come, this will be seen as one of the most disastrous speeches ever made by a prime minister."
Une prédiction d'expert de plus?
"In years to come, this will be seen as one of the most disastrous speeches ever made by a prime minister."
Une prédiction d'expert de plus?
À garder sous le coude, c'est d'actualité
Ah ben celui-là, je me le garde sous le coude!
À suivre...
Sous le coude...
Un brave monsieur...
Une théorie du complot? À suivre...
Et ils citent adehabitat :-D
À lire
toujours utile
marrant
L'histoire est géniale.
Une approche pour bien sélectionner la proposal en MCMC
Dans SAS, la phase de tuning de la proposal dans l'algorithme de Metropolis consiste dans le cas multivarié, à estimer la matrice de covariance d'après les réalisations déjà obtenues. Le principe est le suivant: on a des tuning loops de 500 itérations par défaut chacunes. Lors de chaque loop, on lance une chaîne avec une proposal multinormale caractérisée par une matrice de covariance donnée. À la loop suivante, même principe, mais la matrice de covariance est mise à jour comme une moyenne pondérée de l'ancienne matrice de covariance et de la nouvelle matrice obtenue d'après les réalisations. En plus, un side product, c'est qu'on trouve le MAP de la posterior, dont on peut se servir comme valeurs initiales.
Très intéressant: en MCMC lorsque la proposal (e.g. une gaussienne) n'a pas le même support que la cible (e.g. une variable strictement positive), on est tenté de répéter l'échantillonnage de la proposal jusqu'à ce que la valeur proposée soit dans le support de la cible. Il est bien connu que cette approche n'est pas valide quand elle est implémentée de façon bourrine. Mais l'auteur montre ici qu'elle peut être valide, à condition d'utiliser la bonne distribution dans le calcul du rapport pour déterminer la proba d'acceptation.
M'a l'air super intéressant ce blog...
M'a l'air super intéressant ce blog...
C'est marrant ça. Breiman était profondément anti-bayésien, parce qu'à l'époque (milieu années 1990), les bayésiens étaient surtout des théoriciens qui ne mettaient jamais les mains dans les données. Les pbs réels trop compliqués étaient inaccessibles aux bayésiens... Les choses ont bien changé!
N'empêche, j'attends quand même le jour ou qqn inventera une méthode qui nous permet de nous passer du MCMC et de tous ses pbs de tuning...
N'empêche, j'attends quand même le jour ou qqn inventera une méthode qui nous permet de nous passer du MCMC et de tous ses pbs de tuning...
Très utile. Ya même une formule de politesse pour écrire au pape.
Sinon, yen a qui servent.
Sinon, yen a qui servent.