MCMC（Markov Chain Monte Carlo）是一种经典的概率分布采样方法。本文对其概念和常见算法做简单梳理。

解决什么问题？

我们常常遇到这样的问题：模型构建好之后，有一个概率$p(x)$（称为目标分布），不能显式的给出其表达，只能生成一系列符合这个分布的$x$。这种问题称为“采样”。

特别地，在贝叶斯方法中，关注的是后验概率$p(x|D)$。在给定观测$D$的情况下，需要估计系统参数$x$。如果后验概率没有明确表达，或者由于多重积分难以计算，则无法直接求解$x$，但是可以生成一系列符合此概率的分布。
常见的情况是，后验概率难以明确表达。在已知观测数据x的情况下，利用$p(x|D)=p(x)\cdot p(D|x)/p(D)\propto p(D|x)$。对似然函数进行采样。

名字解析

Monte Carlo方法：用多次随机求平均的方法来逼近一个值。实际是采样方法的核心。

举例：落球箱（模型）给定。可以通过累加每个针处的概率来计算最终的落球分布，也可以多次投球来逼近这个分布。

Markov Chain方法：用$x$的转移概率逼近平稳概率。
构建一系列$x$，后一个的取值通过前一个取值以及状态转移概率获得。Monte Carlo方法的每一个采样是独立的，而Markov Chain Monte Carlo的采样是前后关联的。

举例：已知$p(阴转晴)$和$p(晴转阴)$，则可以构建MC链获得晴天和阴天的概率。

最初的一段MC链往往混合不够充分，不符合稳态分布，不能使用。这一阶段称为burn-in。
为了降低MC链采样的相关性，有些文献采用thinning的方法：每隔N个样本接受一个。

使用这种方法，往往需要另外设置一些隐变量来帮助构建状态转移关系。

举例：最简单的神经网络，由一个显结点和一个隐结点构成。已知$p(h|v),p(v|h)$，可以构建MC链获得$p(v)$。

设计MCMC方法的一个难处，在于如何设计合理的转移概率函数，使得MC链的稳态分布等于要求的概率分布。
MCMC的另一个问题是混合速度，在这篇博客中有所讨论。

MCMC是一个大类，有许多种具体算法，以下举例几种最为著名的。

Gibbs Sampling

Gibbs Sampling处理这样的问题：对于一个高维随机变量$\text{x}=[x^1,x^2,x^3]$，不能写出其各分量的联合概率$p(x)$，但是可以写出各个分量之间的条件概率。

首先任取初始值${\text{x}}_0$。在已知当前采样${\text{x}}_t$时，按照如下方法生成t+1时刻采样。

1. 根据$x^2$,$x^3$采样$x^1$：$x_{t+1}^1\propto p(x^1|x_t^2,x_t^3)$
2. 根据$x^1$,$x^3$采样$x^2$：$x_{t+1}^2\propto p(x^2|x_{t+1}^1,x_t^3)$
3. 根据$x^1$,$x^2$采样$x^3$：$x_{t+1}^3\propto p(x^3|x_{t+1}^1,x_{t+1}^2)$

每一次采样，都尽可能利用其他分量的最新结果。Gibbs Sampling特别适用于贝叶斯网络的采样，因为该网络本身就包含一系列条件概率。

Metropolis-Hastings(MH)

MH方法的一个优点是，即使不能写出概率密度函数$p(x)$，可以用一个和其成正比的函数$f(x)$来采样。如前所述，这在贝叶斯方法中非常方便。
首先任取初始值$x_0$。在已知当前采样$x_t$时，按照如下方法生成t+1时刻采样。

1. 根据一个概率分布$Q(x_{t+1}|x_t)$生成一个候选采样$x_{t+1}$。
   其中$Q$称为proposal density或者jumping distribution。可以取以$x_t$为中心的高斯分布。
2. 比较新旧采样的概率密度函数
   如果$f(x_{t+1})>f(x_t)$，接受$x_{t+1}$为新采样；
   否则，按照$p=f(x_{t+1})/f(x_t)$选择$x_{t+1}$为新采样，或者维持$x_t$为新采样。

一种常见的情况，如果待求概率是一个后验$p(x|D)$，且其先验是高斯，则可以做如下变换：
$$p(x|D)\propto p(x)\cdot p(D|x)=N(x;0,\Sigma )\cdot p(D|x)$$
直接使用以下方法生成候选样本
$$x_{t+1}=\sqrt{1-{ϵ}^2}{x}_t+ϵ\nu$$

其中$\nu \sim N(0,\Sigma )$，$ϵ\in [-1,+1]$是扰动步长。新样本等于当前样本和先验的加权和。另一种表达方法是
$$x_{t+1}=\cos \theta \cdot x_t+\sin \theta \cdot \nu$$

不同的$ϵ$对应的新采样的轨迹是半个椭圆圆周。椭圆的两轴分别为$x_t$和$\nu$。如果$ϵ=0$，则新采样和旧采样相同（红色）。$ϵ或者\theta$控制扰动幅度。

对于某些高斯过程分类器，MH方法比Gibbs Sampling快。且实现简单。缺点是$Q$的参数（例如叠加的高斯的方差，或者$ϵ$）
需要手工调整。

Slice Sampling

Slice Sampling方法利用一种几何思路：根据概率密度函数曲线高度来采样，越高的地方slice越宽，采样越多。同样可以对和概率密度函数成正比的任一函数$f(x)$来进行采样。
首先任取初始值$x_0$。在已知当前采样$x_t$时，按照如下方法生成t+1时刻采样。

1. 在$[0,f(x_t)]$之间均匀采样，得到$y$
2. 过$y$做一条平行于$x$轴的直线，在其位于$y=f(x)$曲线内部的范围内（slice），均匀采样得到$x_{t+1}$
   

曲线越高，截取的横线越宽，x采样的概率越大。
在求曲线内部线段时，需要求$x=f^{-1}(y)$。如果$f$的反函数不好求，可能需要用一维采样方法找出$x$。
Slice Sampling的一个优点是：不需要手工调整参数。

Elliptical Slice Sampling

此方法是Slice Sampling的进化版本，不需要求$f$的反函数；同时结合了Metropolis-Hastings方法中在椭圆上采样的思想，但不再需要人工设定$\theta$。
此方法要求目标概率为一后验概率，其先验为高斯，似然函数用$L$表示。
$$p(x|D)\propto p(x)\cdot p(D|x)=N(x;0,\Sigma )\cdot L(x)$$

首先任取初始值$x_0$。在已知当前采样$x_t$时，按照如下方法生成t+1时刻采样。

1. 按照先验随机生成$\nu \sim N(0,\Sigma )$。$\nu$和$x_t$的组合构成一个椭圆。
2. 随机生成一个比原来似然函数略低的门限
   $$thresh=\log p(D|x)+\log u,其中u\sim U[0,1]$$
3. 随机生成一个$\theta \sim U[0,2\pi ]$，设定$\theta$的初始搜索范围
   $${\theta }_{min}=\theta -2\pi ,{\theta }_{max}=\theta$$
4. 生成候选新采样$x_{t+1}=x_{t}cos\theta ＋\nu sin\theta$
5. 如果候选新采样比门限好，$\log L(x_{t+1})>thresh$，接受$x_{t+1}$。返回。
6. 否则，缩小$\theta$的搜索范围
   $$如果\theta <0,{\theta }_{min}=\theta ;否则{\theta }_{max}=\theta$$
7. 重新采样$\theta \sim U[{\theta }_{min},{\theta }_{max}]$，返回步骤4。

在步骤6,7中，$\theta$的范围逐渐围绕着0缩小。新生成的候选采样逐渐接近于上一个采样$x_t$，步骤4中的条件越来越容易满足。