محاسبات بیزی تقریبی — استنتاج بدون احتمال
- سال
- 2002
- نوع
- Simulation-based Bayesian inference
این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید
چه کاری انجام میدهد؟
محاسبات بیزی تقریبی (ABC) خانوادهای از روشهای استنتاج مبتنی بر شبیهسازی است که توزیعهای پسین را بدون نیاز به تابع احتمال قابل حل تحلیلی، تخمین میزند.
ABC که توسط Beaumont، Zhang و Balding (2002) در زمینه ژنتیک جمعیت معرفی شد، تابع احتمال غیرقابل حل را با شبیهسازی مکرر مدل و مقایسه آمارههای خلاصه بین دادههای شبیهسازی شده و مشاهده شده جایگزین کرد.
شهود پشت روش
استنتاج بیزی کلاسیک میپرسد: با توجه به دادههای مشاهده شده، پارامترهای مدل چقدر محتمل هستند؟ پاسخ به این پرسش معمولاً نیازمند محاسبه تابع احتمال — احتمال دادهها تحت هر تنظیم پارامتر — است. برای بسیاری از مدلهای واقعگرایانه در زیستشناسی، بومشناسی و اقتصاد، این محاسبه یا از نظر تحلیلی غیرممکن است یا از نظر محاسباتی پرهزینه. ABC کاملاً از آن اجتناب میکند: به جای محاسبه تابع احتمال، دادهها را از مدل شبیهسازی میکند، آنها را به چند آماره خلاصه فشرده میکند و تنها زمانی یک پیشنهاد پارامتر را میپذیرد که خلاصههای شبیهسازی شده به اندازه کافی به خلاصههای مشاهده شده نزدیک باشند. پیشنهادات پذیرفته شده برای تشکیل یک پسین تقریبی انباشته میشوند. تقریب در حد نهایی که آستانه تحمل به سمت صفر میل میکند، دقیق است و با سفتتر شدن آن آستانه به طور پیوسته بهبود مییابد — با هزینه پذیرش پیشنهادات کمتر.
تاریخ
مبانی استنتاج بدون احتمال به ایدههای نمونهگیری رد که به طور غیررسمی در ژنتیک جمعیت استفاده میشد، بازمیگردد، اما این روش توسط Beaumont، Zhang و Balding در مقاله برجسته سال 2002 خود در Genetics در مورد استنتاج تاریخچه جمعیتی، رسمی و نامگذاری شد. Marjoram و همکاران (2003) نوع ABC-MCMC را برای بهبود کارایی معرفی کردند و Sisson، Fan و Beaumont (2007) چارچوب مونت کارلو متوالی (SMC-ABC) را توسعه دادند که به طور تطبیقی تحمل را در طول جمعیتها کاهش میدهد. کتاب راهنمای محاسبات بیزی تقریبی سال 2018، که توسط Sisson، Fan و Beaumont ویرایش شده است، دو دهه توسعه روششناختی را تثبیت میکند. اخیراً، تخمینگرهای چگالی عصبی و استنتاج آمورتیزه شده به عنوان راههایی برای یادگیری مستقیم پسین از شبیهسازیها پیشنهاد شدهاند و ABC را به عصر یادگیری ماشین گسترش دادهاند.
چه زمانی استفاده شود
ABC زمانی انتخاب درستی است که مدل بتواند به صورت رو به جلو شبیهسازی شود اما تابع احتمال آن را نتوان به صورت تحلیلی ارزیابی کرد — وضعیتی که به طور مکرر در ژنتیک جمعیت، همهگیرشناسی، بومشناسی و مدلسازی اقتصادی مبتنی بر عامل رخ میدهد. این روش متغیرهای نتیجه پیوسته، دودویی و شمارشی را مدیریت میکند و هیچ الزامی برای نرمال بودن دادهها ندارد. حداقل اندازه نمونه سختی وجود ندارد، اما آمارههای خلاصه باید اطلاعات کافی در مورد پارامترها را حمل کنند. هنگامی که بودجه شبیهسازی بزرگ است و میتوان آستانه تحمل را پایین تنظیم کرد، ABC به طور دقیق پسین واقعی را تقریب میزند؛ هنگامی که شبیهسازیها پرهزینه هستند، انواع SMC-ABC یا تخمینگر پسین عصبی ترجیح داده میشوند. اگر تابع احتمال قابل حل باشد، MCMC استاندارد کارآمدتر است.
محدودیتها و ملاحظات
- ABC رد ساده به تعداد زیادی شبیهسازی برای دستیابی به آستانه تحمل پایین و نرخ پذیرش معنیدار نیاز دارد، که آن را برای فضاهای پارامتری با ابعاد بالا از نظر محاسباتی پرهزینه میکند.
- کیفیت تقریب پسین به شدت به انتخاب آمارههای خلاصه بستگی دارد؛ خلاصههای ضعیف انتخاب شده میتوانند پسین بایاس شده یا واریانس بالایی تولید کنند.
- هیچ تضمین تحلیلی وجود ندارد که آمارههای خلاصه انتخاب شده کافی باشند، بنابراین اطلاعات به طور کلی نسبت به تابع احتمال کامل از دست میرود.
- کمتر از حدود 1000 پیشنهاد پذیرفته شده کل معمولاً تقریب پسین غیرقابل اعتمادی را به دست میدهد؛ هنگامی که بودجه شبیهسازی محدود است، باید MCMC استاندارد در نظر گرفته شود.
شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.
نقاط قوت
- بدون تابع احتمال با فرم بسته عمل میکند و استنتاج بیزی را به روی مدلهای مولد پیچیدهای باز میکند که شبیهسازی آنها آسان اما ارزیابی تحلیلی آنها دشوار است.
- به اندازه کافی انعطافپذیر است تا متغیرهای نتیجه پیوسته، دودویی و شمارشی را تحت هر مدل ساختاری که تحلیلگر میتواند به عنوان یک شبیهساز رمزگذاری کند، مدیریت کند.
- انواع مختلفی مانند SMC-ABC و ABC-MCMC تعداد شبیهسازیهای مورد نیاز را در مقایسه با نمونهگیری رد ساده به طور قابل توجهی کاهش میدهند.
- تقریب پسین با نزدیک شدن آستانه تحمل به صفر، به پسین واقعی همگرا میشود.
کاربردها
- استنتاج اندازه جمعیت، مهاجرت و تاریخچه واگرایی در ژنتیک جمعیت از دادههای فراوانی آلل.
- تخمین نرخ انتقال و پارامترهای تماس در مدلهای اپیدمی که در آن تابع احتمال در سطح فردی قابل حل نیست.
- کالیبراسیون مدلهای اقتصادی مبتنی بر عامل به آمارههای سطح کلان مشاهده شده بدون تابع احتمال تعادلی با فرم بسته.
- برازش مدلهای بومشناختی تصادفی — دینامیک شکارچی-شکار، گسترش گونهها — به خلاصههای مشاهدات میدانی.
- تخمین پارامتر در مدلهای زیستشناسی سیستمها که در آن معادلات دیفرانسیل معمولی مکانیکی با شبیهسازیهای تصادفی جایگزین میشوند.
چگونه کار میکند
چگونه کار میکند
تحلیلگر یک توزیع پیشین بر روی پارامترهای مدل مشخص میکند، که آنچه را قبل از دیدن دادهها شناخته شده یا فرض شده است، رمزگذاری میکند. این پیشین منبعی است که مقادیر پارامتر کاندید در طول الگوریتم از آن کشیده میشوند، بنابراین باید دامنه قابل قبول پارامترها را پوشش دهد.
یک پیشنهاد پارامتر از پیشین (یا در انواع تطبیقی، از یک توزیع اهمیت) کشیده میشود. سپس مدل تصادفی کامل با استفاده از آن پیشنهاد برای تولید یک مجموعه داده مصنوعی اجرا میشود. این مرحله شبیهسازی هسته محاسباتی ABC است و ممکن است هزاران یا میلیونها بار اجرا شود.
هم مجموعه داده مصنوعی و هم مجموعه داده مشاهده شده به یک بردار آمارههای خلاصه فشرده میشوند — مقادیری که برای حمل بیشترین اطلاعات ممکن در مورد پارامترها انتخاب شدهاند. در حالت ایدهآل، آمارههای خلاصه، آمارههای کافی هستند، اما در عمل بر اساس دانش دامنه و بررسیهای تشخیصی انتخاب میشوند.
فاصله بین آمارههای خلاصه شبیهسازی شده و آمارههای خلاصه مشاهده شده تحت یک معیار انتخاب شده محاسبه میشود. اگر آن فاصله در یک آستانه تحمل از پیش تعیین شده اپسیلون قرار گیرد، پیشنهاد پارامتر پذیرفته میشود؛ در غیر این صورت رد میشود. مقادیر کوچکتر اپسیلون تقریب پسین دقیقتری را به همراه دارد اما نرخ پذیرش کمتری را نیز به دنبال دارد.
مجموعه پیشنهادات پارامتر پذیرفته شده، نمونهای از توزیع پسین تقریبی را تشکیل میدهد. این نمونه میتواند برای محاسبه میانگینهای پسین، فواصل اطمینان و توزیعهای پیشبینیکننده به همان روشی استفاده شود که نمونه پسین بیزی استاندارد استفاده میشود. در SMC-ABC، تحمل در طول یک دنباله از جمعیتها کاهش مییابد تا کارایی بهبود یابد.
دامهای رایج
- تنظیم آستانه تحمل اپسیلون بیش از حد شل، تقریب را ایجاد میکند که میتواند به طور قابل توجهی با پسین واقعی متفاوت باشد — همیشه تأیید کنید که سفت کردن اپسیلون پسین را پایدار میکند.
- آمارههای خلاصهای که اطلاعات کافی در مورد پارامترهای مورد علاقه حمل نمیکنند، پسین را به سمت پیشین بایاس میکنند؛ آمارها را با بررسی اینکه آیا هنگام تغییر پارامتر واقعی تغییر میکنند، تأیید کنید.
- اجرای کمتر از 1000 شبیهسازی، نمونه پسین بیش از حد نازکی را برای قابل اعتماد بودن به دست میدهد؛ اگر هزینه شبیهسازی مانع از رسیدن به این آستانه شود، به MCMC یا SMC-ABC تغییر دهید.
- پیشین باید فضای پارامتر قابل قبول را به طور کافی پوشش دهد؛ پیشین بیش از حد باریک، نواحی پسین را حذف میکند، در حالی که پیشین بیش از حد گسترده، بودجه شبیهسازی را در نواحی غیرقابل قبول هدر میدهد.
پرسشهای متداول
ABC چگونه با MCMC استاندارد متفاوت است؟
هر دو روش نمونههایی را از توزیع پسین تولید میکنند، اما MCMC تابع احتمال را در هر مقدار پارامتر پیشنهادی ارزیابی میکند، در حالی که ABC آن ارزیابی را با یک شبیهسازی رو به جلو و مقایسه آماره خلاصه جایگزین میکند. از ABC زمانی استفاده کنید که تابع احتمال قابل حل نباشد؛ از MCMC زمانی استفاده کنید که قابل محاسبه باشد.
چگونه آمارههای خلاصه را انتخاب کنم؟
آمارههای خلاصه باید تا حد امکان اطلاعات مربوط به پارامترهای مورد علاقه را در بر گیرند. رویه رایج استفاده از دانش دامنه (مانند میانگین، واریانس، فراوانی آلل) و تأیید انتخابها با بررسی اینکه آیا آمارها هنگام تغییر پارامتر واقعی تغییر میکنند، است. آمارههای کافی فقط برای مدلهای خانواده نمایی وجود دارند؛ برای سایر مدلها، از دست دادن مقداری اطلاعات اجتنابناپذیر است.
آستانه تحمل اپسیلون چقدر باید کوچک باشد؟
قانون جهانی وجود ندارد. یک رویکرد عملی این است که اپسیلون را به تدریج سفت کنید و بررسی کنید که آیا شکل پسین پایدار میشود. تقریب پسین با کاهش اپسیلون بهبود مییابد، اما نرخ پذیرش به تناسب کاهش مییابد و به شبیهسازیهای بیشتری نیاز است. SMC-ABC این بده بستان را با کاهش تطبیقی اپسیلون در طول جمعیتها خودکار میکند.
چه زمانی باید از SMC-ABC به جای ABC رد استفاده کنم؟
هنگامی که شبیهسازی پرهزینه است، ABC رد ساده بیشتر شبیهسازیها را هدر میدهد زیرا نرخ پذیرش در تحمل کم میتواند بسیار پایین باشد. SMC-ABC از دنبالهای از آستانههای تحمل میانی و جمعیتهای وزندار اهمیت استفاده میکند تا شبیهسازیها را در نزدیکی پسین متمرکز کند و آن را برای همان اپسیلون نهایی بسیار کارآمدتر میسازد.
روشهای مرتبط
منابع
Beaumont, M.A., Zhang, W. & Balding, D.J. (2002). Approximate Bayesian Computation in Population Genetics. Genetics, 162(4), 2025-2035.
باز کردن مرجع DOIکپی شد.Sisson, S.A., Fan, Y. & Beaumont, M.A. (Eds.) (2018). Handbook of Approximate Bayesian Computation. Chapman & Hall/CRC.
باز کردن مرجع DOIکپی شد.