Inferensi Variasi dengan Data Hilang
Inferensi variasi dengan data hilang ialah pendekatan Bayesian berskala yang secara serentak menghampiri posterior ke atas pemboleh ubah laten dan parameter model sambil mengisibubuh cerapan yang hilang. Berbanding mengkamirkan semua nilai yang mungkin bagi entri yang hilang secara tepat, ia mengemukakan taburan hampiran yang boleh dikendali dan mengoptimumkannya agar sedekat mungkin dengan posterior gabungan sebenar, menghasilkan inferensi yang pantas dan berprinsip walaupun dalam set data tidak lengkap berdimensi tinggi.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/ms/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.
- Inferens Bayesian dengan Data HilangBayesian↔ compare
- Pensampelan Gibbs dengan Data HilangBayesian↔ compare
- MCMC dengan Data HilangBayesian↔ compare
- Inferens VariasiBayesian↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →