Aquí, solo hablo sobre el lado de la práctica de MCMC. Si está interesado en el lado teórico de MCMC, esta respuesta puede no ser una buena referencia.
El libro Markov Chain Monte Carlo in Practice me ayuda mucho a comprender el principio de MCMC. Los primeros capítulos son de lectura obligatoria. Sí, lo sé, este es un libro que se publicó hace 17 años, pero el material en este libro sigue siendo excelente, y creo que nunca puede quedar desactualizado. Cuando lea este libro, descubrirá cuán útil es este libro.
Si desea ver algunos ejemplos concretos, puede seguir el libro Introducción a los métodos de Monte Carlo con R. Este libro le enseñará MCMC y R al mismo tiempo, y es un libro relativamente corto. En realidad, este es el primer libro que leo para aprender MCMC.
- ¿Es el enlace neuronal una tecnología que podría funcionar?
- ¿Cómo se puede interpretar el teorema de Bayes en términos de inferir relaciones causales en los datos?
- ¿Cuáles son las diferentes áreas donde los bancos pueden usar NLP (procesamiento del lenguaje natural) para mejorar las operaciones comerciales?
- ¿Qué es Kaggle y cómo debo usarlo exactamente?
- ¿Por qué no podemos hacer una puerta XOR con 1 neurona?
Si tiene suficiente tiempo y también está familiarizado con los conceptos básicos de cómo construir un compilador, vaya a leer el código fuente de JAGS (http://mcmc-jags.sourceforge.net/). JAGS es un solucionador de muestras de Gibbs general, como WinBUGS. JAGS es de código abierto, y el código fuente es conciso y claro. Me he beneficiado mucho al leer su código fuente: JAGS cubre casi todo sobre cómo funciona una muestra general de Gibbs. Si desea crear su propio muestreador, JAGS aún puede ayudarlo, ya que está diseñado como un marco general y admite muestreador personalizado, lo que significa que puede reutilizar todo lo que JAGS ha implementado y solo implementar la parte innovadora de su método .
Algunos papeles:
Corte de muestra por Neal. http://projecteuclid.org/DPubS?s…
