Gibbs Sampling
Gibbs sampling on on Markovi ahel-Monte Carlo algoritm, mis ligilähedaselt hindab kõrgedimensionaalset järeldusjaotust, joonistades korduvalt iga parameetri tema täielikust tingimuslikust jaotusest, arvestades kõiki teisi parameetreid ja andmeid. Kuna iga joonis on täpne tingimuslikust jaotusest – mitte pakutud väärtus, mida võidakse tagasi lükata – on proovivõtja tõhus, kui need tingimuslikud jaotused on saadaval suletud kujul.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+23 more
Allikad
- Geman, S. & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721-741. DOI: 10.1109/TPAMI.1984.4767596 ↗
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398-409. DOI: 10.1080/01621459.1990.10476213 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Gibbs Sampling Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/et/bayesian/gibbs-sampling
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.
- Bayes' regressioonBayesi meetodid↔ compare
- Hamiltoni Monte CarloBayesi meetodid↔ compare
- Hierarhiline Bayes'lik järeldamineBayesi meetodid↔ compare
- Markovi ahel-Monte Carlo (MCMC)Bayesi meetodid↔ compare
- Variational InferenceBayesi meetodid↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →