Hamiltonian Monte Carlo hiányzó adatokkal
A hiányzó adatokkal végzett Hamiltonian Monte Carlo (HMC) a gradiensalapú HMC mintavevőt kiterjeszti a hiányos megfigyelések kezelésére azáltal, hogy a hiányzó értékeket további ismeretlen paraméterekként kezeli. A modellparaméterekre és a hiányzó értékekre vonatkozó utóeloszlást egyetlen hatékony menetben, közösen mintázzuk, kihasználva a gradiensinformációkat a nagy dimenziójú közös tér feltárására, jóval kevesebb elutasított javaslattal, mint a véletlenszerű bolyongásos MCMC.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo with Missing Data Imputation. ScholarGate. https://scholargate.app/hu/bayesian/hamiltonian-monte-carlo-with-missing-data
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Bayes-féle következtetés hiányzó adatokkalBayes-statisztika↔ összehasonlítás
- Gibbs-mintavételezés hiányzó adatokkalBayes-statisztika↔ összehasonlítás
- Hamiltonian Monte CarloBayes-statisztika↔ összehasonlítás
- MCMC hiányzó adatokkalBayes-statisztika↔ összehasonlítás
- Többszörös imputációStatisztika↔ összehasonlítás
- Variational Inference with Missing DataBayes-statisztika↔ összehasonlítás
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →