Bayesian methodsBayesian / computational
階層ベイズネットワーク
階層ベイズネットワークは、複数の抽象化レベルにわたって変数を編成する確率的グラフィカルモデルである。上位ノードはハイパーパラメータを通じて下位ノードの事前分布を制御し、条件付き依存関係の有向非巡回グラフ（DAG）表現を維持しながら、グループ、コンテキスト、またはデータサブセット間での情報の構造化された共有を可能にする。
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。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Koller, D. & Friedman, N. (2009). Probabilistic Graphical Models: Principles and Techniques. MIT Press. ISBN: 978-0262013192
- Friedman, N., Getoor, L., Koller, D. & Pfeffer, A. (1999). Learning probabilistic relational models. Proceedings of the 16th International Joint Conference on Artificial Intelligence (IJCAI-99), 1300-1307. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Hierarchical Bayesian Network. ScholarGate. https://scholargate.app/ja/bayesian/hierarchical-bayesian-network
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.
- 欠損値を有するベイズ階層モデルベイズ↔ compare
- ベイジアンネットワークベイズ↔ compare
- 動的ベイジアンネットワークベイズ↔ compare
- 階層ベイズ推論ベイズ↔ compare
- 階層マルコフ連鎖モンテカルロ法ベイズ↔ compare
- 階層的変分推論ベイズ↔ compare