Hierarkisk Hamiltonian Monte Carlo
Hierarkisk Hamiltonian Monte Carlo (Hierarchical HMC) anvender Hamiltonian Monte Carlo-sampling på Bayesianske hierarkiske modeller og adresserer de alvorlige geometriske udfordringer, som disse modeller udgør. Ved at kombinere ikke-centrerede parametriseringer med HMC's gradientdrevne forslag opnår den effektiv udforskning af posteriorfordelingen for de fler-niveau tragtformede geometrier, som standard MCMC-metoder har svært ved.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
Kilder
- Betancourt, M. & Girolami, M. (2015). Hamiltonian Monte Carlo for hierarchical models. In S. K. Upadhyay, U. Singh, D. K. Dey & A. Loganathan (Eds.), Current Trends in Bayesian Methodology with Applications (pp. 79-101). CRC Press. link ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Sådan citerer du denne side
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo for Hierarchical Models. ScholarGate. https://scholargate.app/da/bayesian/hierarchical-hamiltonian-monte-carlo
Hvilken metode?
Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.
- Bayesiansk regressionBayesiansk↔ sammenlign
- Hamiltonian Monte CarloBayesiansk↔ sammenlign
- Hierarkisk Bayesiansk InferensBayesiansk↔ sammenlign
- Hierarkisk Markov Chain Monte CarloBayesiansk↔ sammenlign
- Markov Chain Monte Carlo (MCMC)Bayesiansk↔ sammenlign
Refereret af
Similar methods
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →