Hamiltonian Monte Carlo amb Dades Faltants
Hamiltonian Monte Carlo amb dades faltants estén el mostrejador HMC basat en gradients per gestionar observacions incompletes tractant els valors perduts com a paràmetres desconeguts addicionals. La posterior sobre els paràmetres del model i els valors perduts es mostra conjuntament en una passada eficient, explotant la informació del gradient per explorar l'espai conjunt d'alta dimensionalitat amb moltes menys propostes rebutjades que MCMC de passeig aleatori.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo with Missing Data Imputation. ScholarGate. https://scholargate.app/ca/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.
- Inferència Bayesiana amb Dades FaltantsBayesià↔ compare
- Gibbs Sampling amb Dades FaltantsBayesià↔ compare
- Hamiltonian Monte CarloBayesià↔ compare
- MCMC amb dades perdudesBayesià↔ compare
- Imputació MúltipleEstadística↔ compare
- Inferència variacional amb dades faltantsBayesià↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →