Inferencia variacional multinivell
La inferència variacional multinivell (MLVI) és un mètode bayesià aproximat escalable que ajusta models jeràrquics (multinivell) optimitzant una aproximació variacional a la posterior, en lloc de generar mostres MCMC. Exploten l'estructura agrupada de les dades multinivell —individus niats dins de grups, grups niats dins d'unitats de nivell superior— per derivar actualitzacions eficients a nivell de coordenada, fent que la inferència bayesiana sigui tractable per a conjunts de dades clusteritzats grans.
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
- Blei, D. M., Kucukelbir, A., & McAuliffe, J. D. (2017). Variational inference: A review for statisticians. Journal of the American Statistical Association, 112(518), 859-877. DOI: 10.1080/01621459.2017.1285773 ↗
- Ranganath, R., Altosaar, J., Tran, D., & Blei, D. M. (2016). Operator variational objectives. Advances in Neural Information Processing Systems, 29. Curran Associates. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Multilevel Variational Inference for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/ca/bayesian/multilevel-variational-inference
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.
- Model Jeràrquic BayesianaBayesià↔ compare
- Inferència bayesiana jeràrquicaBayesià↔ compare
- MCMC MultillivellBayesià↔ compare
- Inferència variacionalBayesià↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →