ガウス過程シリーズ 2 高速化＆フルベイズ - StatModeling Memorandum

ガウス過程シリーズ 2 高速化＆フルベイズ - StatModeling Memorandum

前回の記事のスピードアップをします。 まずは分散共分散行列をコレスキー分解して multi_normal() から...概要を表示 前回の記事のスピードアップをします。 まずは分散共分散行列をコレスキー分解して multi_normal() から multi_normal_cholesky() を使うようにする方法です。このテの高速化の基本とのことです。コレスキー分解をするメリットはzがi.i.d.から生成される、すなわち、 に従う変数とすると、分散共分散行列をコレスキー分解して得られた行列をLとすると、 に従うようになります。 Stanではmulti_normal_cholesky()という関数が用意されているのでこれを使います。Stanコードは以下になります(GP2.stan)。 data { int<lower=1> N1; int<lower=1> N2; vector[N1] X1; vector[N1] Y1; vector[N2] X2; } transformed data { int<lower=1>