Inferenza Variazionale con Dati Mancanti
L'inferenza variazionale con dati mancanti è un approccio Bayesiano scalabile che approssima simultaneamente la posteriore sulle variabili latenti e sui parametri del modello, imputando al contempo le osservazioni mancanti. Invece di integrare esattamente su tutti i possibili valori delle voci mancanti, postula una distribuzione approssimata trattabile e la ottimizza per essere il più vicina possibile alla vera posteriore congiunta, producendo un'inferenza rapida e basata su principi anche in dataset incompleti ad alta dimensionalità.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/it/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.
- Inferenza Bayesiana con Dati MancantiBayesiano↔ compare
- Campionamento di Gibbs con dati mancantiBayesiano↔ compare
- MCMC con dati mancantiBayesiano↔ compare
- Inferenza VariazionaleBayesiano↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →