Gibbs Sampling
Gibbs sampling ir Markova ķēdes Montekarlo algoritms, kas tuvo posterioro sadalījumu daudzās dimensijās, atkārtoti izvelkot katru parametru no tā pilnās nosacītās sadalījuma, ņemot vērā visus pārējos parametrus un datus. Tā kā katrs izvilkums ir precīzs no nosacītā sadalījuma — nevis priekšlikums, kas var tikt noraidīts —, paraugu ņēmējs ir efektīvs, ja šie nosacītie sadalījumi ir pieejami slēgtā formā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+23 more
Avoti
- Geman, S. & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721-741. DOI: 10.1109/TPAMI.1984.4767596 ↗
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398-409. DOI: 10.1080/01621459.1990.10476213 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Gibbs Sampling Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/lv/bayesian/gibbs-sampling
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.
- Beijesiskā regresijaBajesa metodes↔ compare
- Hamiltona MontekarloBajesa metodes↔ compare
- Hierarhiskā Bayesas inferencēšanaBajesa metodes↔ compare
- Mārkova ķēžu Montekarlo (MCMC)Bajesa metodes↔ compare
- Variacionālā secinājumiBajesa metodes↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →