Variaatiopohjainen päättely puuttuvien tietojen kanssa
Variaatiopohjainen päättely puuttuvien tietojen kanssa on skaalautuva Bayesiläinen lähestymistapa, joka samanaikaisesti approksimoi piilomuuttujien ja malliparametrien posteriorijakaumaa ja imputoi puuttuvia havaintoja. Sen sijaan, että integroitaisiin kaikkien mahdollisten puuttuvien arvojen yli tarkasti, se olettaa käsiteltävän approksimatiivisen jakauman ja optimoi sen mahdollisimman lähelle todellista yhteisposteriota, tuottaen nopean, periaatteellisen päättelyn jopa korkeaulotteisissa epätäydellisissä aineistoissa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen päättely puuttuvalla datallaBayesilainen tilastotiede↔ compare
- Gibbs-otanta puuttuvalla datallaBayesilainen tilastotiede↔ compare
- MCMC puuttuvilla tiedoillaBayesilainen tilastotiede↔ compare
- VariaatioinferenssiBayesilainen tilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →