Hamiltonian Monte Carlo s nedostajućim podacima
Hamiltonian Monte Carlo s nedostajućim podacima proširuje HMC uzorkivač temeljen na gradijentu kako bi obuhvatio nepotpune opservacije tretirajući nedostajuće vrijednosti kao dodatne nepoznate parametre. Posterior za parametre modela i nedostajuće vrijednosti uzorkuje se zglobno u jednom efikasnom prolazu, iskorištavajući informacije o gradijentu za istraživanje visokodimenzionalnog zglobnog prostora s daleko manje odbijenih prijedloga nego MCMC nasumičnom šetnjom.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo with Missing Data Imputation. ScholarGate. https://scholargate.app/hr/bayesian/hamiltonian-monte-carlo-with-missing-data
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Bayesijanska inferencija s nedostajućim podacimaBayesovska statistika↔ usporedi
- Gibbs Sampling s nedostajućim podacimaBayesovska statistika↔ usporedi
- Hamiltonian Monte CarloBayesovska statistika↔ usporedi
- MCMC s nedostajućim podacimaBayesovska statistika↔ usporedi
- Višestruko imputiranjeStatistika↔ usporedi
- Varijacijska inferencija s nedostajućim podatcimaBayesovska statistika↔ usporedi
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →