No-U-Turn Sampler (NUTS)
No-U-Turn Sampler (NUTS) on itseen säätyvä Markovin ketjun Monte Carlo -algoritmi, jonka Hoffman ja Gelman (2014) esittelivät. Se laajentaa Hamiltonin Monte Carlo (HMC) -menetelmää määrittämällä automaattisesti optimaalisen määrän leapfrog-askelia, mikä poistaa herkimmän manuaalisen viritysparametrin. NUTS on Stanin ja PyMC:n oletussampleri ja on tehnyt suurskaalaisen, korkeaulotteisen Bayesilaisen päättelyn käytännössä saavutettavaksi ilman, että käyttäjien tarvitsee käsin asettaa trajektorin pituuksia.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Hoffman, M. D., & Gelman, A. (2014). The No-U-Turn Sampler: Adaptively setting path lengths in Hamiltonian Monte Carlo. Journal of Machine Learning Research, 15(47), 1593–1623. link ↗
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. L. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 113–162). CRC Press. DOI: 10.1201/b10905-6 ↗
- 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: 978-1-4398-4095-5
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). No-U-Turn Sampler (NUTS). ScholarGate. https://scholargate.app/fi/bayesian/no-u-turn-sampler
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.
- Bayesilainen regressioBayesilainen tilastotiede↔ compare
- Hamiltonin Monte CarloBayesilainen tilastotiede↔ compare
- Markov-ketju-Monte Carlo (MCMC)Bayesilainen tilastotiede↔ compare
- VariaatioinferenssiBayesilainen tilastotiede↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →