r - 具有收敛测试的并行 RJAGS

Question

我正在使用 RJAGS 修改现有模型。我想并行运行链，偶尔检查 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，重新编译的链会从第一个初始化的先前值而不是链停止的参数空间中的位置重新启动。如果我不重新编译模型，RJAGS 就会提示。有没有办法在链条停止时存储它们的位置，以便我可以从停止的地方重新初始化？这里我将举一个非常简单的例子。

示例1.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 > 5000 次迭代。
(交叉发布到 stats.stackexchange.com，这可能是更合适的地点)

Answer 1

每次您的 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，它会从头重新启动，如您所见。为了解决这个问题，你需要在你的函数中(在工作节点上)获取并返回模型的状态，如下所示:

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

然后，您需要将其传递回工作节点并使用 jags.model() 和 inits=endstate(对于适当的链)在工作函数中重新生成模型。

我实际上建议查看为您完成所有这些工作的 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 版有望很快上传到 CRAN，但现在您可以从以下位置下载二进制文件: https://sourceforge.net/projects/runjags/files/runjags/

马特