Question

我正在使用RJAGS修改现有模型。我想并行运行链条，偶尔检查一下Gelman-Rubin收敛诊断，看看我是否需要继续运行。问题是，如果我需要根据诊断值恢复运行，重新编译的链将从第一个初始化的先前值重新开始，而不是链停止的参数空间中的位置。如果我不重新编译模型，RJAGS会抱怨。有没有办法在链条停止时存储链条的位置，这样我可以从我离开的地方重新初始化？在这里，我将给出一个非常简单的例子。

example1.bug：

model {
  for (i in 1:N) {
      x[i] ~ dnorm(mu,tau)
  }
  mu ~ dnorm(0,0.0001)
  tau <- pow(sigma,-2)
  sigma ~ dunif(0,100)
}

parallel_test.R：

#Make some fake data
N <- 1000
x <- rnorm(N,0,5)
write.table(x,
        file='example1.data',
        row.names=FALSE,
        col.names=FALSE)

library('rjags')
library('doParallel')
library('random')

nchains <- 4
c1 <- makeCluster(nchains)
registerDoParallel(c1)

jags=list()
for (i in 1:getDoParWorkers()){
  jags[[i]] <- jags.model('example1.bug',
                          data=list('x'=x,'N'=N))
}

# Function to combine multiple mcmc lists into a single one
mcmc.combine <- function( ... ){
  return( as.mcmc.list( sapply( list( ... ),mcmc ) ) )
}

#Start with some burn-in
jags.parsamples <- foreach( i=1:getDoParWorkers(),
                           .inorder=FALSE,
                           .packages=c('rjags','random'),
                           .combine='mcmc.combine',
                           .multicombine=TRUE) %dopar%
{
  jags[[i]]$recompile()

  update(jags[[i]],100)
  jags.samples <- coda.samples(jags[[i]],c('mu','tau'),100)

  return(jags.samples)
}   

#Check the diagnostic output
print(gelman.diag(jags.parsamples[,'mu']))

counter <- 0

#my model doesn't converge so quickly, so let's simulate doing
#this updating 5 times:
#while(gelman.diag(jags.parsamples[,'mu'])[[1]][[2]] > 1.04)
while(counter < 5)
{
counter <- counter + 1
jags.parsamples <- foreach(i=1:getDoParWorkers(),
                             .inorder=FALSE,
                             .packages=c('rjags','random'),
                             .combine='mcmc.combine',
                             .multicombine=TRUE) %dopar%
  {
    #Here I lose the progress I've made
    jags[[i]]$recompile()
    jags.samples <- coda.samples(jags[[i]],c('mu','tau'),100)
    return(jags.samples)
  }
}

print(gelman.diag(jags.parsamples[,'mu']))
print(summary(jags.parsamples))
stopCluster(c1)

在输出中，我看到：

Iterations = 1001:2000

我知道应该有＆gt; 5000次迭代。（交叉发布到stats.stackexchange.com，这可能是更合适的场所）

Answer 1

每次JAGS模型在工作节点上运行时，都会返回尾声样本，但模型的状态会丢失。因此，下次重新编译时，它会从头开始重新启动，如您所见。要解决此问题，您需要获取并返回函数中的模型状态（在工作节点上），如下所示：

 endstate <- jags[[i]]$state(internal=TRUE)

然后，您需要将其传递回worker节点，并使用带有inits = endstate的jags.model（）（对于相应的链）在worker函数中重新生成模型。

我实际上建议您查看为您完成所有这些操作的runjags包。例如：

library('runjags')
parsamples <- run.jags('example1.bug', data=list('x'=x,'N'=N), monitor=c('mu','tau'), sample=100, method='rjparallel')
summary(parsamples)
newparsamples <- extend.jags(parsamples, sample=100)
summary(parsamples)
# etc

甚至：

parsamples <- autorun.jags('example1.bug', data=list('x'=x,'N'=N), monitor=c('mu','tau'), method='rjparallel')

runjags的第2版很快就会上传到CRAN，但是现在你可以从以下版本下载二进制文件：https://sourceforge.net/projects/runjags/files/runjags/

马特

具有收敛性测试的并行RJAGS

1 个答案: