J'ai utilisé ces trois échantillonneurs dans de vraies recherches, souvent sans trop réfléchir au choix de l'un plutôt que de l'autre. emcee a été mon premier échantillonneur, NUTS est arrivé lorsque j'ai migré mes vraisemblances vers JAX, et dynesty intervenait chaque fois qu'on me demandait un facteur de Bayes. À force, j'ai réalisé que je ne pouvais pas dire lequel je ferais confiance sur un problème que je ne comprenais pas déjà.
La plupart des comparaisons d'échantillonneurs mesurent la vitesse, mais la vitesse signifie peu si les échantillons sont faux, et on ne peut vérifier une erreur que lorsqu'on connaît la bonne réponse. J'ai donc choisi trois problèmes suffisamment petits pour être résolus exactement, sur une grille dense ou analytiquement, et j'ai évalué chaque échantillonneur par rapport à la vérité plutôt que par rapport aux autres.
NUTS a été le plus rapide, d'un facteur deux à quatre sur les problèmes réguliers, mais il a complètement échoué sur le problème multimodal, et ses diagnostics l'ont clairement signalé. emcee s'est bien comporté sur les problèmes faciles, mais a donné des réponses fausses avec assurance sur le problème multimodal, sans aucun avertissement dans sa sortie par défaut. dynesty a été le seul échantillonneur à trouver tous les modes et à produire une évidence correcte, bien que ses barres d'erreur sur l'évidence soient optimistes.
Les trois problèmes de test ont gagné progressivement en difficulté. Le premier servait de contrôle : ajuster Ωm et H0 dans un ΛCDM plat à 40 supernovae de type Ia simulées, ce qui donne une postérieure à peu près elliptique. Le deuxième était une crête courbe et fine, en ajustant Ωm et l'équation d'état de l'énergie noire avec H0 fixé. Le troisième était un problème multimodal : trouver la fréquence d'une sinusoïde observée sur 40 nuits réparties sur 80 jours, ce qui produit plusieurs pics séparés.
Entités clés : Entreprises : Towards Data Science | Personnes : Arvi Z.
FAQ : Quel échantillonneur faut-il croire sur un problème multimodal ?
Dans ce benchmark, dynesty a été le seul échantillonneur à trouver tous les modes et à produire une évidence correcte, tandis que NUTS a échoué et qu'emcee a donné des résultats faux avec assurance. Ses barres d'erreur sur l'évidence se sont toutefois révélées optimistes.
Source: Towards Data Science · Résumé par HeadlinesBriefing