Bayesian methodsBayesian / computational
欠損データを含む変分推論
欠損データを含む変分推論は、潜在変数とモデルパラメータの事後分布を同時に近似し、同時に欠損観測値を補完する、スケーラブルなベイズ的アプローチである。欠損エントリの全可能な値に対する積分を正確に行う代わりに、扱いやすい近似分布を仮定し、真の同時事後分布に可能な限り近くなるように最適化することで、高次元の不完全なデータセットでも高速で原理的な推論を可能にする。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/ja/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.
- 欠損値を含むベイズ推論ベイズ↔ compare
- 欠損値を有するギブスサンプリングベイズ↔ compare
- 欠損値を含むMCMC (MCMC with missing data)ベイズ↔ compare
- 変分推論ベイズ↔ compare