Bayesian methods
No-U-Turn Sampler (NUTS)
No-U-Turn Sampler (NUTS)는 Hoffman과 Gelman(2014)이 소개한 자체 튜닝 마르코프 연쇄 몬테카를로 알고리즘으로, 해밀토니안 몬테카를로(HMC)를 확장하여 최적의 리프프로그 스텝 수를 자동으로 결정함으로써 가장 민감한 수동 튜닝 매개변수를 제거합니다. NUTS는 Stan과 PyMC의 기본 샘플러이며, 사용자가 궤적 길이를 수동으로 설정할 필요 없이 대규모 고차원 베이즈 추론을 실질적으로 접근 가능하게 만들었습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
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(47), 1593–1623. link ↗
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. L. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 113–162). CRC Press. DOI: 10.1201/b10905-6 ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1-4398-4095-5
이 페이지 인용 방법
ScholarGate. (2026, June 3). No-U-Turn Sampler (NUTS). ScholarGate. https://scholargate.app/ko/bayesian/no-u-turn-sampler
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.
Compare side by side →