Échantillonneur sans demi-tour (NUTS)
L'échantillonneur sans demi-tour (NUTS) est un algorithme de Monte Carlo par chaîne de Markov auto-réglant, introduit par Hoffman et Gelman (2014), qui étend le Monte Carlo Hamiltonien (HMC) en déterminant automatiquement le nombre optimal d'étapes de saut de puce, éliminant ainsi le paramètre de réglage manuel le plus sensible. Le NUTS est l'échantillonneur par défaut dans Stan et PyMC et a rendu l'inférence bayésienne à grande échelle et de haute dimension pratiquement accessible sans obliger les utilisateurs à définir manuellement la longueur des trajectoires.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). No-U-Turn Sampler (NUTS). ScholarGate. https://scholargate.app/fr/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.
- Régression bayésienneBayésien↔ compare
- Monte Carlo HamiltonienBayésien↔ compare
- Chaîne de Markov Monte Carlo (MCMC)Bayésien↔ compare
- Inférence variationnelleBayésien↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →