No-U-Turn Sampler (NUTS)
De No-U-Turn Sampler (NUTS) is een zelf-afstemmend Markov chain Monte Carlo-algoritme, geïntroduceerd door Hoffman en Gelman (2014), dat Hamiltonian Monte Carlo (HMC) uitbreidt door automatisch het optimale aantal "leapfrog"-stappen te bepalen, waardoor de meest gevoelige handmatige afstemmingsparameter wordt geëlimineerd. NUTS is de standaard sampler in Stan en PyMC en heeft grootschalige, hoog-dimensionale Bayesiaanse inferentie praktisch toegankelijk gemaakt zonder dat gebruikers handmatig trajectlengtes hoeven in te stellen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). No-U-Turn Sampler (NUTS). ScholarGate. https://scholargate.app/nl/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.
- Bayesian RegressieBayesiaanse statistiek↔ compare
- Hamiltonian Monte CarloBayesiaanse statistiek↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiaanse statistiek↔ compare
- Variatie-inferentieBayesiaanse statistiek↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →