研究人员开发了一种新颖的随机镜像Langevin动力学算法，用于拟合具有大数据集的贝叶斯广义线性混合模型。该新方法解决了现有随机梯度Langevin动力学在采样协方差参数时可能导致马尔可夫链发散的局限性。所提出的算法包括一个后处理步骤，以准确估计后验方差，从而减轻数据子采样引入的偏差，并通过模拟和一项关于乳腺癌幸存者的研究进行了验证。 AI
影响 为大规模统计建模中的贝叶斯推断引入了一种更稳健的方法，有可能提高复杂数据分析的准确性。
排序理由 这是一篇详细介绍新统计算法的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.26029v1 Announce Type: cross Abstract: We consider the problem of scalable sampling algorithms to fit Bayesian generalized linear mixed models on large datasets. Stochastic gradient Langevin dynamics, coupled with smooth re-parameterizations of variance parameters, pro…
We consider the problem of scalable sampling algorithms to fit Bayesian generalized linear mixed models on large datasets. Stochastic gradient Langevin dynamics, coupled with smooth re-parameterizations of variance parameters, produces divergent Markov chains and cannot be reliab…