No-U-Turn Sampler (NUTS)
Il No-U-Turn Sampler (NUTS) è un algoritmo Markov chain Monte Carlo auto-calibrante introdotto da Hoffman e Gelman (2014) che estende l'Hamiltonian Monte Carlo (HMC) determinando automaticamente il numero ottimale di passi di leapfrog, eliminando il parametro di calibrazione manuale più sensibile. NUTS è il sampler predefinito in Stan e PyMC e ha reso accessibile l'inferenza Bayesiana su larga scala e ad alta dimensionalità senza richiedere agli utenti di impostare manualmente le lunghezze delle traiettorie.
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
- Hoffman, M. D., & Gelman, A. (2014). The No-U-Turn Sampler: Adaptively setting path lengths in Hamiltonian Monte Carlo. Journal of Machine Learning Research, 15(47), 1593–1623. link ↗
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. L. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 113–162). CRC Press. DOI: 10.1201/b10905-6 ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1-4398-4095-5
Come citare questa pagina
ScholarGate. (2026, June 3). No-U-Turn Sampler (NUTS). ScholarGate. https://scholargate.app/it/bayesian/no-u-turn-sampler
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.
- Regressione BayesianaBayesiano↔ compare
- Hamiltonian Monte CarloBayesiano↔ compare
- Catena di Markov Monte Carlo (MCMC)Bayesiano↔ compare
- Inferenza VariazionaleBayesiano↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →