Variační inference s chybějícími daty
Variační inference s chybějícími daty je škálovatelný bayesovský přístup, který současně aproximuje aposteriorní rozdělení nad latentními proměnnými a parametry modelu a zároveň imputuje chybějící pozorování. Místo přesného integrování přes všechny možné hodnoty chybějících vstupů postuluje zvládnutelnou aproximovanou distribuci a optimalizuje ji tak, aby byla co nejblíže skutečnému sdruženému aposteriornímu rozdělení, což umožňuje rychlou, principální inferenci i ve vysoce dimenzionálních neúplných datových sadách.
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
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/cs/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.
- Bayesovská inference s chybějícími datyBayesovská statistika↔ compare
- Gibbsův vzorkovač s chybějícími datyBayesovská statistika↔ compare
- MCMC s chybějícími datyBayesovská statistika↔ compare
- Variační inferenceBayesovská statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →