Hamiltonian Monte Carlo ar trūkstošiem datiem
Hamiltonian Monte Carlo (HMC) ar trūkstošiem datiem paplašina uz gradientiem balstīto HMC izlases metodi, lai apstrādātu nepilnīgus novērojumus, uzskatot trūkstošās vērtības par papildu nezināmiem parametriem. Modeļa parametru un trūkstošo vērtību aizmugurējā sadalījuma izlase tiek veikta kopīgi vienā efektīvā ciklā, izmantojot gradientu informāciju, lai izpētītu augstdimensionālu kopīgo telpu ar krietni mazāk noraidītiem priekšlikumiem nekā gadījuma gaitas MCMC.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. Chapter 18: Missing-data imputation. ISBN: 978-1439840955
Kā citēt šo lapu
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo with Missing Data Imputation. ScholarGate. https://scholargate.app/lv/bayesian/hamiltonian-monte-carlo-with-missing-data
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Beijiešu secinājumi ar trūkstošiem datiemBajesa metodes↔ salīdzināt
- Gibsa paraugu ņemšana ar trūkstošiem datiemBajesa metodes↔ salīdzināt
- Hamiltona MontekarloBajesa metodes↔ salīdzināt
- MCMC ar trūkstošiem datiemBajesa metodes↔ salīdzināt
- Daudzveida imputācijaStatistika↔ salīdzināt
- Variacionālā inferenče ar trūkstošiem datiemBajesa metodes↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →