具有收敛性测试的并行RJAGS

Question

我正在使用RJAGS修改现有的模型。我想并行运行链，偶尔检查Gelman收敛诊断，看看是否需要继续运行。问题是，如果我需要根据诊断值恢复运行，那么重新编译的链将从第一个初始化的先验值重新启动，而不是在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。当链停止时，是否有一种方法来存储链的位置，这样我就可以从我停止的地方重新初始化？这里我将给出一个非常简单的例子。

示例1.：

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)

在产出中，我看到：

Iterations = 1001:2000

我知道应该有> 5000次迭代。(交叉张贴到stats.stackexchange.com，这可能是更合适的地点)

Answer 1

每次JAGS模型在工作节点上运行时，将返回尾数样本，但模型的状态将丢失。所以，下次它重新编译时，它会从一开始就重新开始，正如您所看到的。为了解决这一问题，您需要在函数中(在worker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，您需要将其传回给worker节点，并使用jags.model()和inits=endstate (对于适当的链)在worker函数中重新生成模型。

实际上，我建议您查看runjags包，它为您完成了所有这些工作。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')

版本2的runjags有望很快上传到CRAN，但是现在您可以从：https://sourceforge.net/projects/runjags/files/runjags/下载二进制文件。

哑光