MCMC 是 Markov chain Monte Carlo(马尔可夫链蒙特卡洛) 的缩写:一类用“构造马尔可夫链并从中抽样”的方法,用来近似计算复杂概率分布的样本、期望或积分,常见于贝叶斯统计、机器学习与计算物理等领域。(在不同语境下也可泛指这类采样算法的整体框架。)
/ˌɛm siː ˌɛm siː/
I used MCMC to sample from the posterior distribution.
我用 MCMC 从后验分布中抽样。
Because the likelihood is intractable, the researchers relied on an MCMC algorithm to approximate the Bayesian estimates and quantify uncertainty.
由于似然函数难以直接计算,研究人员依赖 MCMC 算法来近似贝叶斯估计并量化不确定性。
MCMC 是由两部分概念组合而成的缩写:Markov chain(马尔可夫链) 强调“下一步只依赖当前状态”的随机过程结构;Monte Carlo(蒙特卡洛) 指利用随机抽样进行数值近似的方法。MCMC 将二者结合:用马尔可夫链产生样本,再用这些样本进行蒙特卡洛式的近似计算。