Bayesian methodsBayesian / computational
동적 해밀토니안 몬테카를로
동적 해밀토니안 몬테카를로(Dynamic Hamiltonian Monte Carlo) — 흔히 No-U-Turn Sampler (NUTS)로 알려진 — 는 각 MCMC 전환 시 리지단위 적분 단계 수를 자동으로 선택하여 표준 HMC의 가장 민감한 튜닝 매개변수를 수동으로 조정할 필요성을 제거하는 해밀토니안 몬테카를로의 적응형 확장입니다. 이는 Stan과 PyMC의 기본 샘플러이며, 중간에서 고차원의 연속적이고 미분 가능한 사후 분포에 적합합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/ko/bayesian/dynamic-hamiltonian-monte-carlo
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 베이즈 회귀베이지안↔ 비교
- 깁스 샘플링(Gibbs Sampling)베이지안↔ 비교
- 해밀토니안 몬테카를로베이지안↔ 비교
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ 비교
- 변분 추론베이지안↔ 비교