Problem: Chcę wykonać próbkowanie Gibbsa, aby wywnioskować trochę z tyłu na podstawie dużego zestawu danych. Niestety mój model nie jest bardzo prosty, dlatego próbkowanie jest zbyt wolne. Rozważałbym podejścia wariacyjne lub równoległe, ale zanim przejdę tak daleko ...
Pytanie: Chciałbym wiedzieć, czy mógłbym losowo próbować (z zastępstwem) z mojego zbioru danych przy każdej iteracji Gibbs, aby mieć mniej instancji do nauki na każdym kroku.
Moją intuicją jest to, że nawet gdybym zmienił próbki, nie zmieniłbym gęstości prawdopodobieństwa i dlatego próbka Gibbsa nie powinna zauważyć sztuczki. Czy mam rację? Czy są jakieś odniesienia do osób, które to zrobiły?