Гиббсов семплер
Гиббсовият семплер е алгоритъм на Марковска верига Монте Карло, който апроксимира многомерно апостериорно разпределение чрез последователно изтегляне на всеки параметър от неговото пълно условно разпределение при дадени всички останали параметри и данни. Тъй като всяко изтегляне е точно от условно разпределение — а не предложение, което може да бъде отхвърлено — семплерът е ефективен, когато тези условни разпределения са налични в затворен вид.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+23 more
Източници
- Geman, S. & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721-741. DOI: 10.1109/TPAMI.1984.4767596 ↗
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398-409. DOI: 10.1080/01621459.1990.10476213 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Gibbs Sampling Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/bg/bayesian/gibbs-sampling
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.
- Байесов регресионен моделБейсови методи↔ compare
- Хамилтънов Монте КарлоБейсови методи↔ compare
- Йерархично Бейсианско заключениеБейсови методи↔ compare
- Марковски Монте Карло вериги (MCMC)Бейсови методи↔ compare
- Вариационен инференсБейсови методи↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →