Inférence variationnelle avec données manquantes
L'inférence variationnelle avec données manquantes est une approche bayésienne évolutive qui approxime simultanément la postérieure sur les variables latentes et les paramètres du modèle tout en imputant les observations manquantes. Au lieu d'intégrer exactement sur toutes les valeurs possibles des entrées manquantes, elle postule une distribution approximative traitable et l'optimise pour qu'elle soit aussi proche que possible de la postérieure jointe réelle, produisant une inférence rapide et principielle même dans des ensembles de données incomplets de haute dimension.
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
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/fr/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.
- Inférence bayésienne avec données manquantesBayésien↔ compare
- Échantillonnage de Gibbs avec données manquantesBayésien↔ compare
- MCMC avec données manquantesBayésien↔ compare
- Inférence variationnelleBayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →