Hamiltonian Monte Carlo med manglende data
Hamiltonian Monte Carlo med manglende data utvider den gradientbaserte HMC-sampleren til å håndtere ufullstendige observasjoner ved å behandle manglende verdier som ytterligere ukjente parametere. Posteriorfordelingen over modellparametere og manglende verdier samples samlet i én effektiv omgang, og utnytter gradientinformasjon for å utforske det høy-dimensjonale fellesrommet med langt færre avviste forslag enn random-walk MCMC.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo with Missing Data Imputation. ScholarGate. https://scholargate.app/no/bayesian/hamiltonian-monte-carlo-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.
- Bayesiansk inferens med manglende dataBayesiansk↔ compare
- Gibbs-sampling med manglende dataBayesiansk↔ compare
- Hamiltonian Monte CarloBayesiansk↔ compare
- MCMC med manglende dataBayesiansk↔ compare
- Multippel imputasjonStatistikk↔ compare
- Variasjonsinferens med manglende dataBayesiansk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →