Hamiltonian Monte Carlo koos puuduvate andmetega
Hamiltonian Monte Carlo (HMC) meetodit puuduvate andmetega laiendatakse, et käsitleda mittetäielikke vaatlusi, kus puuduvad väärtused käsitletakse täiendavate tundmatute parameetritena. Mudeliparameetrite ja puuduvate väärtuste järeltemperatuuri (posterior) proovitakse ühiselt ühes tõhusas läbimises, kasutades gradientteavet, et uurida kõrgedimensionaalset ühist ruumi palju väiksema arvu tagasilükatud ettepanekutega kui juhusliku jalutuskäigu MCMC meetodiga.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo with Missing Data Imputation. ScholarGate. https://scholargate.app/et/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.
- Bayes' järeldus puuduvate andmetegaBayesi meetodid↔ compare
- Gibbs-valimi puuduvate andmetegaBayesi meetodid↔ compare
- Hamiltoni Monte CarloBayesi meetodid↔ compare
- MCMC andata puuduvate andmetegaBayesi meetodid↔ compare
- Multiple ImputationStatistika↔ compare
- Variatsiooniline inferents puuduvate andmetegaBayesi meetodid↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →