5.1.7 MCMC方法的优势与劣势

MCMC方法的优势

• 估计一个参数的分布而不是点估计，可以知道估计的误差

• 一旦生成模型很复杂，likelihood函数我们是无法直接通过解析解写出来的，那么 MCMC就成了唯一的方法

MCMC方法的劣势

• 因为采样必须要按照马尔可夫链依次序进行，没法进行平行加速，所以进程很慢

• 虽然最后得到了很多后验分布的样本，依然不太好做统计检验。

因此，在实际操作，尤其是对于计算效率要求比较高的环境中（比如深度学习模型训练和大规模贝叶斯推断），更多地会采用下节要介绍的变分推断等方法。