Bayesian methodsBayesian / computational
動的ハミルトニアン・モンテカルロ法
動的ハミルトニアン・モンテカルロ法（一般にNo-U-Turn Sampler (NUTS) として知られる）は、ハミルトニアン・モンテカルロ法の適応的拡張であり、各MCMC遷移中にリープフロッグ積分ステップ数を自動的に選択するため、標準HMCの最も感度の高いチューニングパラメータを手動で調整する必要がなくなります。これはStanおよびPyMCのデフォルトのサンプラーであり、中〜高次元の連続的で微分可能な事後分布に適しています。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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(1), 1593–1623. link ↗
- 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
このページの引用方法
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/ja/bayesian/dynamic-hamiltonian-monte-carlo
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
並べて比較する →