Hamiltonian Monte Carlo s chybějícími daty
Hamiltonian Monte Carlo s chybějícími daty rozšiřuje HMC sampler založený na gradientech tak, aby zvládal neúplné pozorované hodnoty tím, že chybějící hodnoty považuje za dodatečné neznámé parametry. Posteriorní rozdělení parametrů modelu a chybějících hodnot je vzorkováno společně v jednom efektivním průchodu, přičemž využívá informace o gradientech k prozkoumání vysokodimenzionálního společného prostoru s mnohem menším počtem odmítnutých návrhů než MCMC s náhodnou procházkou.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo with Missing Data Imputation. ScholarGate. https://scholargate.app/cs/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.
- Bayesovská inference s chybějícími datyBayesovská statistika↔ compare
- Gibbsův vzorkovač s chybějícími datyBayesovská statistika↔ compare
- Hamiltonovské Monte CarloBayesovská statistika↔ compare
- MCMC s chybějícími datyBayesovská statistika↔ compare
- Vícenásobná imputaceStatistika↔ compare
- Variační inference s chybějícími datyBayesovská statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →