[論文レビュー] GetDist: a Python package for analysing Monte Carlo samples

Antony Lewis|arXiv (Cornell University)|Oct 30, 2019

Forecasting Techniques and Applications参考文献 1被引用数 508

ひとこと要約

GetDist は重み付き・相関のあるモンテカルロサンプル向けにカーネル密度推定と可視化ツールを提供し、境界処理と乗算バイアス補正を用いて周辺密度と収束診断を計算します。

ABSTRACT

Monte Carlo techniques, including MCMC and other methods, are widely used in Bayesian inference to generate sets of samples from a parameter space of interest. The Python GetDist package provides tools for analysing these samples and calculating marginalized one- and two-dimensional densities using Kernel Density Estimation (KDE). Many Monte Carlo methods produce correlated and/or weighted samples, for example produced by MCMC, nested, or importance sampling, and there can be hard boundary priors. GetDist's baseline method consists of applying a linear boundary kernel, and then using multiplicative bias correction. The smoothing bandwidth is selected automatically following Botev et al., based on a mixture of heuristics and optimization results using the expected scaling with an effective number of samples (defined here to account for both MCMC correlations and weights). Two-dimensional KDE uses an automatically-determined elliptical Gaussian kernel for correlated distributions. The package includes tools for producing a variety of publication-quality figures using a simple named-parameter interface, as well as a graphical user interface that can be used for interactive exploration. It can also calculate convergence diagnostics, produce tables of limits, and output in LaTeX, and is publicly available.

研究の動機と目的

• モンテカルロサンプル（重み付きおよび相関サンプルを含む）から周辺1Dおよび2D密度を推定する高速で頑健な方法を提示する。
• KDEにおける硬い境界とサンプル相関から生じる課題に対処する。
• MCサンプルの実用的で論文掲載品質の図と診断を提供する。
• 密度推定を改善する自動バンド幅選択とバイアス補正技術を提供する。

提案手法

• 密度推定には、(わずかに切り詰めた) 零中心のガウスカーネルを用いる。
• 重み付きサンプルと相関を、実効サンプルサイズとウェイト付けを用いて KDE を調整することで処理し、ウェイト付きの密度推定式を明示的な式として含める。
• 硬い事前分布近傍のバイアスを緩和するための線形境界カーネルを導入し、残留バイアスを減らしピークの鋭さを改善する乗算バイアス補正を適用する。
• ISJベースの方法と離散コサイン変換(DCT)を組み合わせた自動バンド幅選択法を採用し、境界を効率的に処理する。
• 探索用のGUIを任意で提供する、論文掲載品質の図とLaTeX準備出力の実用的フレームワークを提供する。

実験結果

リサーチクエスチョン

• RQ1 重み付き・相関するMCサンプルから周辺密度を正確に推定するように KDE を適応させるにはどうすればよいか？
• RQ2 硬い事前分布近傍で信頼性の高い密度推定を得る境界処理とバイアス補正戦略はどれか？
• RQ3 相関と異なる実効サンプルサイズがある状況で自動的にカーネルの帯域幅をどのように選ぶべきか？
• RQ4 MCサンプルの相関は KDE の誤差にどのような影響を与え、MC 文脈で KDE の実効サンプルサイズをどのように推定できるか？
• RQ5 GetDist はMC分析の堅牢で論文掲載品質のビジュアルと収束診断を提供できるか？

主な発見

• 線形境界カーネルと乗算バイアス補正を用いた KDE ベースのアプローチは、重み付き・相関のあるMCサンプルから1Dおよび2Dの周辺密度を正確に推定する。
• DCT加速のISJベース法による自動バンド幅選択は境界効果を処理し、バンド幅推定を加速する。
• この手法はウェイトとMCMCの相関の存在下での平滑化を実効サンプルサイズで調整することで、密度推定を改善する。
• MCサンプルの相関は実効サンプルサイズを介して分散に影響を与え、KDEの誤差スケーリングとバンド幅の選択に影響する。
• GetDist は収束診断、リミットテーブル、および LaTeX 出力を対話型プロット機能とともに提供する。