Bayes statistics近况简介

High dimensional problem, bayesian尤其好用。特别是一些性的sampling tech，大部分情况下可以保证很好的mixing，收敛的时间可以很短。
但是，收敛还是bayes的一个问题。很多东西是可以收敛很快，简单的gibbs metropolis都可以搞定。 也有像我做的东东，算了一个多月才勉强收敛。
parallel绝对会是一个大热的方向，我的问题就是用R做的parallel。
GPU computing真的要看是什么问题了， memory latency很大，而且一定要well defined your question，要不然真的是很慢

lz什么时候写nonparametric bayes的介绍文章啊？

geogria 发表于 2013-4-30 04:03
现在新有的polya tree也很难懂，证明证的天昏地暗的。。。幸好我不搞这玩意，阿弥陀佛= =

上过一学期的polya urn model， 感觉实际应用的意义不是很大啊。。

吓尿给跪，楼主是Duke的吧

好奇这个“利用nonparametric bayes本身的优势可以很好的处理manifold learning的问题”

mark！！正好开始看，慢慢领悟吧 ><

QiQi 发表于 2013-9-4 12:47
好奇这个“利用nonparametric bayes本身的优势可以很好的处理manifold learning的问题”

这是因为如果是做prediction的话，你可以避开估计manifold本身这个问题，而直接只关注prediction. Gaussian process一早就被证明如果你知道manifold维度的话，其估计是达到Mini-max rate的。

wwrechard 发表于 2013-10-11 02:24
这是因为如果是做prediction的话，你可以避开估计manifold本身这个问题，而直接只关注prediction. Gaussi ...

你老板是David Dunson吧。上周来我们系里做talk。。。。果然大牛就是牛

正在愁统计学的各种方向！谢谢~~~

haobotao000 发表于 2013-4-27 15:49
呵呵 最近刚好在看bayesian variable selection

版主那时候就这么学术了