الاستدلال المتغير مع البيانات المفقودة
الاستدلال المتغير مع البيانات المفقودة هو نهج بايزي قابل للتطوير يقرب بشكل متزامن الاحتمال اللاحق للمتغيرات الكامنة ومعلمات النموذج مع استكمال الملاحظات المفقودة. بدلاً من التكامل على جميع القيم الممكنة للإدخالات المفقودة بدقة، فإنه يضع توزيعًا تقريبيًا قابلاً للتتبع ويحسنها لتكون قريبة قدر الإمكان من الاحتمال اللاحق المشترك الحقيقي، مما يؤدي إلى استدلال سريع ومبدئي حتى في مجموعات البيانات غير المكتملة عالية الأبعاد.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Ghahramani, Z. & Jordan, M. I. (1994). Supervised learning from incomplete data via an EM approach. In Cowan, J. D., Tesauro, G. & Alspector, J. (Eds.), Advances in Neural Information Processing Systems 6 (pp. 120–127). Morgan Kaufmann. link ↗
- Wainwright, M. J. & Jordan, M. I. (2008). Graphical models, exponential families, and variational inference. Foundations and Trends in Machine Learning, 1(1–2), 1–305. DOI: 10.1561/2200000001 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/ar/bayesian/variational-inference-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
- الاستمثال البايزي المتسلسل مع البيانات المفقودةبايزي↔ compare
- الاستدلال التباينيبايزي↔ compare