Inferencia Variacional con Datos Faltantes
La inferencia variacional con datos faltantes es un enfoque bayesiano escalable que aproxima simultáneamente la posterior sobre variables latentes y parámetros del modelo, a la vez que imputa observaciones faltantes. En lugar de integrar exactamente sobre todos los valores posibles de las entradas faltantes, postula una distribución aproximada tratable y la optimiza para que sea lo más cercana posible a la posterior conjunta verdadera, produciendo una inferencia rápida y fundamentada incluso en conjuntos de datos incompletos de alta dimensionalidad.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/es/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.
- Inferencia bayesiana con datos faltantesBayesiano↔ compare
- Muestreo de Gibbs con datos faltantesBayesiano↔ compare
- MCMC con datos faltantesBayesiano↔ compare
- Inferencia VariacionalBayesiano↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →