はじめに
今までなんとなくStanなどを使ってMCMCをやっていた。
ギブスサンプリングぐらいなら昔勉強したけど、ハミルトニアンモンテカルロや、ましてやNUTSなどは何をやっているのかあまり理解していなかった。
基礎からのベイズ統計学という本を読んで、ハミルトニアンモンテカルロまではなんとなくわかったので、プログラムを書いて理解する。
NUTSはまだわかってないので、
を実装する。
理論は他の方のブログや本を参考にしてほしい。
自分の理解で適当に書いているので、間違ってたらごめんなさい。
データ
なんでもいいけど、平均3標準偏差1の1次元の正規分布に従うデータから、その平均と分散を推定することにする。
import numpy as np
from numpy import random
from copy import deepcopy
import pylab as plt
import seaborn as sns
from matplotlib.animation import FuncAnimation
from scipy.stats import norm, gamma
from tqdm import tqdm
sns.set_style("white")
true_μ = 3
true_σ = 1
nb_data = 1000
data = np.random.normal(true_μ, true_σ, nb_data)
print(data.mean(), data.std())
sns.kdeplot(data)
plt.show()
3.02683958884 0.998470831061
/home/kei/anaconda3/lib/python3.5/site-packages/statsmodels/nonparametric/kdetools.py:20: VisibleDeprecationWarning: using a non-integer number instead of an integer will result in an error in the future
y = X[:m/2+1] + np.r_[0,X[m/2+1:],0]*1j
メトロポリスヘイスティングス法(MH法)では、
からパラメータの候補aを生成する
を計算する。- 確率
でaを受容し、
とする。
を繰り返してパラメータを更新していく。
よって、現在のパラメータから新しいパラメータを生成するときの確率
、および、尤度
を計算するときの分布の形状(提案分布)を決めると、パラメータを推定することができる。
今回は提案分布を正規分布として、その平均と標準偏差を推定する。
まずは
、つまり次のパラメータを前のパラメータに依存せず独立にサンプリングする。
今回は平均と標準偏差の推定なので、それぞれ正規分布およびガンマ分布からパラメータをサンプリングする。
sampling_μ_mean = 0
sampling_μ_std = 10
sampling_σ_a = 2
norm_lpdf = lambda x, μ, σ: np.sum(norm.logpdf(x, μ, σ))
gamma_lpdf = lambda x, a: np.sum(gamma.logpdf(x, a))
logf = lambda θₜ: norm_lpdf(data, θₜ["μ"], θₜ["σ"])
logq = lambda θₜ: norm_lpdf(θₜ["μ"], sampling_μ_mean, sampling_μ_std) \
+ gamma_lpdf(θₜ["σ"], sampling_σ_a)
logr = lambda a, θₜ: logq(θₜ) + logf(a) - logq(a) - logf(θₜ)
nb_samples = 1000
θₜ = {}
a = {}
hist = []
θₜ["μ"] = random.normal(sampling_μ_mean, sampling_μ_std)
θₜ["σ"] = random.gamma(sampling_σ_a)
for t in tqdm(range(nb_samples)):
a["μ"] = random.normal(sampling_μ_mean, sampling_μ_std)
a["σ"] = random.gamma(sampling_σ_a)
if logr(a, θₜ) > 0:
θₜ = deepcopy(a)
hist.append([a["μ"], a["σ"], 0])
else:
if np.exp(logr(a, θₜ)) > random.uniform(0, 1):
θₜ = deepcopy(a)
hist.append([a["μ"], a["σ"], 1])
else:
hist.append([a["μ"], a["σ"], 2])
hist = np.array(hist)
print(θₜ)
100%|██████████| 1000/1000 [00:03<00:00, 323.83it/s]
{'σ': 1.1803787969064548, 'μ': 2.801370701839039}
サンプリングがどのように進んだかをプロットしてみる。
def update(i, hist):
if hist[i, 2] == 0:
plt.scatter(hist[i, 0], hist[i, 1], marker=".", c="b", alpha=0.8)
elif hist[i, 2] == 1:
plt.scatter(hist[i, 0], hist[i, 1], marker=".", c="g", alpha=0.8)
elif hist[i, 2] == 2:
plt.scatter(hist[i, 0], hist[i, 1], marker="x", c="r", alpha=0.4)
fig = plt.figure()
plt.xlabel(r"$\mu$")
plt.ylabel(r"$\sigma$")
ani = FuncAnimation(fig, update, fargs=(hist,), frames=nb_samples)
ani.save("independent.gif", writer="imagemagick")
青い点が受容されたパラメータ、赤いバツが棄却された候補を表している。
殆どの候補が棄却されて、むちゃくちゃ効率が悪いことがわかる。
として、新しいパラメータ候補
を生成すると、これまで見つかった良さそうなパラメータの周辺を探索することになるので、受容率が上がって効率のいいサンプリングが行える。
今回は
が平均0、標準偏差0.05の正規分布に従うとしてサンプリングを行った。
このとき、
になる。
も同様。
sampling_mean = 0
sampling_std = 0.05
logf = lambda θₜ: norm_lpdf(data, θₜ["μ"], θₜ["σ"])
logq = lambda a, θₜ: norm_lpdf(θₜ["μ"], sampling_mean+a["μ"], sampling_std) \
+ norm_lpdf(θₜ["σ"], sampling_mean+a["σ"], sampling_std)
logr = lambda a, θₜ: logq(θₜ,a) + logf(a) - logq(θₜ,a) - logf(θₜ)
nb_samples = 1000
θₜ = {}
a = {}
hist = []
hist_2sigma = []
nb_i = 40
sample_2sigma = [np.array([2*sampling_std*np.sin(i*2*np.pi/nb_i),
2*sampling_std*np.cos(i*2*np.pi/nb_i)]) for i in range(nb_i)]
θₜ["μ"] = random.normal(1, 1)
θₜ["σ"] = random.gamma(3)
for t in tqdm(range(nb_samples)):
a["μ"] = θₜ["μ"] + random.normal(sampling_mean, sampling_std)
a["σ"] = θₜ["σ"] + random.normal(sampling_mean, sampling_std)
if logr(a, θₜ) > 0:
θₜ = deepcopy(a)
hist.append([a["μ"], a["σ"], 0])
else:
if np.exp(logr(a, θₜ)) > random.uniform(0, 1):
θₜ = deepcopy(a)
hist.append([a["μ"], a["σ"], 1])
else:
hist.append([a["μ"], a["σ"], 2])
hist_2sigma.append([np.array([θₜ["μ"],θₜ["σ"]]) + sample_2sigma_i
for sample_2sigma_i in sample_2sigma])
hist = np.array(hist)
hist_2sigma = np.array(hist_2sigma)
print(θₜ)
100%|██████████| 1000/1000 [00:01<00:00, 592.47it/s]
{'σ': 0.9944398277566455, 'μ': 3.0750991483862506}
def plot(hist, hist_2sigmam, filename, T=1):
lim_range = 0.2
fig = plt.figure()
ax = fig.add_subplot(111)
fill, = ax.fill(hist_2sigma[0, :, 0], hist_2sigma[0, :, 1], alpha=0.2, c="gray")
plt.xlabel(r"$\mu$")
plt.ylabel(r"$\sigma$")
def update(i, hist, hist_2sigma, line):
fill.set_xy(hist_2sigma[i])
fig.canvas.draw()
if hist[i, 2] == 0:
ax.scatter(hist[i, 0], hist[i, 1], marker=".", c="b", alpha=0.8, linewidths=0)
elif hist[i, 2] == 1:
ax.scatter(hist[i, 0], hist[i, 1], marker=".", c="g", alpha=0.8, linewidths=0)
else:
ax.scatter(hist[i, 0], hist[i, 1], marker="x", c="r", alpha=0.4)
plot_lim = 10
if i > plot_lim:
plt.xlim(min(min(hist[i - plot_lim:i, 0]), 3-lim_range),
max(max(hist[i - plot_lim:i, 0]), 3+lim_range))
plt.ylim(min(min(hist[i - plot_lim:i, 1]), 1-lim_range),
max(max(hist[i - plot_lim:i, 1]), 1+lim_range))
ani = FuncAnimation(fig, update, fargs=(hist, hist_2sigma, line), frames=nb_samples//T)
ani.save(filename, writer="imagemagick")
plot(hist, hist_2sigma, "random_walk.gif", 3)
青い点および赤いバツは上と同じ、確率rで受容されたパラメータ。
96%ぐらいのパラメータの候補が灰色の領域から選ばれる。
先ほどと比べるとだいぶ多くのパラメータが受容されている。
プロットの範囲がいまいちなのは、どうすればいい感じになるのかよくわからなかったからです…
ランダムウォークMH法はを適切に設定しないと特にパラメータの次元が高くなるとうまくいかない(らしい)。
パラメータによる勾配が利用できるのであれば、それを使ってパラメータを更新すると良さそうである。
ハミルトニアンモンテカルロ法では慣性付きの勾配法っぽい感じでパラメータを更新する。
- モーメンタム
を標準正規乱数から発生させる。
- ポテンシャル
を対数事後分布として、慣性付きの勾配法を進めて、
ステップ後の値を
とする。
を求める。- 確率
でパラメータを受容する。
ここで
はハミルトニアンで
普通の勾配法と違うのは、
- ステップ更新するごとに、慣性項を標準正規乱数でリセットする。
- まれに更新を棄却する
- 粘性項がない
といったところかと思う。
(普通の確率勾配法で更新したらいかんのかと思ってしまうけど、そういう研究もあるんだろうな)
def log_dh(x, μ, σ):
return np.array([-np.sum(x - μ) / σ**2,
len(x) / (2 * σ**2) - np.sum((x - μ)**2) / (2 * σ**4)])
def H(x, θₜ, p):
return -norm_lpdf(x, θₜ["μ"], θₜ["σ"]) + 0.5 * np.dot(p, p)
nb_samples = 1000
θₜ = {}
θₐ = {}
ε = 0.01
L = 100
hist = []
hist_2sigma = []
θₜ["μ"] = random.normal(1, 1)
θₜ["σ"] = random.gamma(3)
nb_i = 40
p_2sigma = [np.array([2*np.sin(i*2*np.pi/nb_i),
2*np.cos(i*2*np.pi/nb_i)]) for i in range(nb_i)]
def update(pₜ, θₜ):
pₐ = deepcopy(pₜ)
θₐ = deepcopy(θₜ)
for t in range(L):
pₐ -= ε / 2 * log_dh(data, θₐ["μ"], θₐ["σ"])
dμ, dσ = ε * pₐ
θₐ["μ"] += dμ
θₐ["σ"] += dσ
θₐ["σ"] = np.abs(θₐ["σ"])
pₐ -= ε / 2 * log_dh(data, θₐ["μ"], θₐ["σ"])
return pₐ, θₐ
for i in tqdm(range(nb_samples)):
pₜ = np.random.randn(2)
pₐ, θₐ = update(pₜ, θₜ)
if np.exp(H(data, θₜ, pₜ) - H(data, θₐ, pₐ))>1:
θₜ = deepcopy(θₐ)
hist.append([θₐ["μ"], θₐ["σ"], 0])
elif np.exp(H(data, θₜ, pₜ) - H(data, θₐ, pₐ)) > random.uniform(0,1):
θₜ = deepcopy(θₐ)
hist.append([θₐ["μ"], θₐ["σ"], 1])
else:
hist.append([θₐ["μ"], θₐ["σ"], 2])
list_θ = [update(p_2sigma_i, θₜ)[1] for p_2sigma_i in p_2sigma]
hist_2sigma.append(np.array([[θ["μ"],θ["σ"]] for θ in list_θ]))
hist = np.array(hist)
hist_2sigma = np.array(hist_2sigma)
print(θₜ)
100%|██████████| 1000/1000 [05:34<00:00, 2.24it/s]
{'σ': 1.0048874933483771, 'μ': 3.0559467768730531}
plot(hist, hist_2sigma, "hamiltonian.gif", 3)
だいたい今までと同じだけど、灰色の部分はpを発生させるときに96%ぐらいにしているので、勾配法で更新されたあとでこの範囲にサンプリングが収まっているかは保証されないと思う。
matplotlibのfill関数の使い方が間違っていなければ、最初のほうでサンプリングの範囲がぐちゃぐちゃになっている部分があるが、これは関数がぐちゃぐちゃだから(??)
ランダムウォークと比べても、棄却されるサンプルが圧倒的に少なく効率的にサンプリングできている。
おわりに
自分の勉強のために
を実装した。
勾配法との関係がいまいちわかっていなくて、例えばAdamとか使っても詳細釣り合い条件が満たされるのかよくわからないし、そもそも勾配法だけではいけないのか。
次はNUTSを理解したい。
参考
