Inferenza variazionale multilivello
L'inferenza variazionale multilivello (MLVI) è un metodo Bayesiano approssimato scalabile che adatta modelli gerarchici (multilivello) ottimizzando un'approssimazione variazionale della posteriore, piuttosto che estraendo campioni MCMC. Sfrutta la struttura raggruppata dei dati multilivello — individui annidati all'interno di gruppi, gruppi annidati all'interno di unità di livello superiore — per derivare aggiornamenti efficienti coordinata per coordinata, rendendo l'inferenza Bayesiana trattabile per grandi dataset clusterizzati.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Blei, D. M., Kucukelbir, A., & McAuliffe, J. D. (2017). Variational inference: A review for statisticians. Journal of the American Statistical Association, 112(518), 859-877. DOI: 10.1080/01621459.2017.1285773 ↗
- Ranganath, R., Altosaar, J., Tran, D., & Blei, D. M. (2016). Operator variational objectives. Advances in Neural Information Processing Systems, 29. Curran Associates. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Multilevel Variational Inference for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/it/bayesian/multilevel-variational-inference
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.
- Modello Gerarchico BayesianoBayesiano↔ compare
- Inferenza Bayesiana GerarchicaBayesiano↔ compare
- MCMC multilivelloBayesiano↔ compare
- Inferenza VariazionaleBayesiano↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →