Markov-Chain-Montecarlo
是否有調試 MCMC 程序的標準技術？
調試 MCMC 程序是出了名的困難。出現困難的原因有幾個問題，其中一些是：
(a) 算法的循環性質
我們以所有其他參數為條件迭代地繪製參數。因此，如果實現不能正常工作，則很難隔離錯誤，因為問題可能出現在迭代採樣器的任何地方。
(b) 不一定知道正確答案。
我們無法判斷我們是否已經實現了收斂。在某種程度上，這可以通過在模擬數據上測試代碼來緩解。
鑑於上述問題，我想知道是否有可用於調試 MCMC 程序的標準技術。
編輯
我想分享我用來調試自己的程序的方法。當然，我會做 PeterR 提到的所有事情。除此之外，我使用模擬數據執行以下測試：
- 從真實值開始所有參數，看看採樣器是否偏離真實值太遠。
- 我的迭代採樣器中的每個參數都有標誌，用於確定我是否在迭代採樣器中繪製該參數。例如，如果標誌“gen_param1”設置為 true，那麼我會在迭代採樣器中從其完整條件中繪製“param1”。如果設置為 false，則 ‘param1’ 設置為其真值。
完成採樣器的編寫後，我使用以下配方測試程序：
- 將一個參數的生成標誌設置為真，將其他所有參數設置為假，並根據真值評估收斂性。
- 結合第一個參數設置另一個參數的生成標誌並再次評估收斂性。
上述步驟對我非常有幫助。
標準編程實踐：
- 調試時使用固定的隨機源（即相同的種子）運行模擬，以便任何更改都是由於代碼更改而不是不同的隨機數引起的。
- 在已知答案的模型（或多個模型）上嘗試您的代碼。
- 養成良好的編程習慣，從而減少引入的錯誤。
- 認真思考你得到的答案，是否有意義，等等。
祝你好運，還有很多咖啡！