Variational Inference with Missing Data
A variációs inferencia hiányzó adatokkal egy skálázható, Bayes-i megközelítés, amely egyidejűleg közelíti a latens változók és a modellparaméterek utólagos eloszlását, miközben a hiányzó megfigyeléseket is pótolja. Ahelyett, hogy pontosan integrálna a hiányzó bejegyzések minden lehetséges értéke felett, egy kezelhető közelítő eloszlást feltételez, és azt optimalizálja, hogy a lehető legközelebb kerüljön az igazi közös utólagos eloszláshoz, ami gyors, elvileg megalapozott következtetést eredményez még magas dimenziójú, hiányos adatkészletek esetén is.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/hu/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.
- Bayes-féle következtetés hiányzó adatokkalBayes-statisztika↔ compare
- Gibbs-mintavételezés hiányzó adatokkalBayes-statisztika↔ compare
- MCMC hiányzó adatokkalBayes-statisztika↔ compare
- Variational InferenceBayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →