هاميلتونيان مونت كارلو مع البيانات المفقودة
يمتد هاميلتونيان مونت كارلو مع البيانات المفقودة إلى عيّنات HMC المستندة إلى التدرج للتعامل مع الملاحظات غير المكتملة عن طريق معاملة القيم المفقودة كمعلمات إضافية غير معروفة. يتم أخذ عينات من التوزيع اللاحق لمعلمات النموذج والقيم المفقودة بشكل مشترك في تمريرة فعالة واحدة، مستغلين معلومات التدرج لاستكشاف المساحة المشتركة عالية الأبعاد مع عدد أقل بكثير من المقترحات المرفوضة مقارنة بـ MCMC العشوائي.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. Jones & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 113-162). CRC Press. ISBN: 978-1420079418
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. Chapter 18: Missing-data imputation. ISBN: 978-1439840955
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo with Missing Data Imputation. ScholarGate. https://scholargate.app/ar/bayesian/hamiltonian-monte-carlo-with-missing-data
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- الاستدلال البايزي مع البيانات المفقودةبايزي↔ compare
- أخذ العينات بجيبس مع البيانات المفقودةبايزي↔ compare
- مونت كارلو الهاملتونيبايزي↔ compare
- الاستمثال البايزي المتسلسل مع البيانات المفقودةبايزي↔ compare
- الاستيفاء المتعددالإحصاء↔ compare
- الاستدلال المتغير مع البيانات المفقودةبايزي↔ compare