【发布时间】：2018-01-15 05:16:56
【问题描述】：
我正在尝试使用 Stan 拟合具有未知均值和协方差的有限高斯混合模型。我知道由于 HMC 不能应用于离散分布的样本，因此边缘化技术通常用于使用 Stan 推断混合参数。但是，对于我的应用程序，我需要数据集群分配。在 Stan 中推断它们的最佳方法是什么？建议将不胜感激。
【问题讨论】：
【发布时间】：2018-01-15 05:16:56
【问题描述】：
Stan User Manual 的第 13 章对此进行了详细讨论。简而言之，您可以（在生成的数量块中）计算观察结果属于有限数量的类别中的每一个的后验概率，然后使用该概率向量从类别分布中得出类别实现。
【讨论】：
-
如果您运行多条链（或者即使您运行一条链也可能出现标签切换问题）。有问题的后验章节讨论了这一点，就像 Ben 在手册中指出的章节一样。潜在离散参数一章展示了如何计算后验中的分配。它比抽样更有效。此外，Michael Betancourt 写了一篇关于识别混合模型的出色案例研究 (mc-stan.org/users/documentation/case-studies/…)。
-
Stan 手册现在是 HTML 格式；本章可以在这里找到：mc-stan.org/docs/2_18/stan-users-guide/…