No-U-Turn Sampler (NUTS)
No-U-Turn Sampler (NUTS) er en selvjusterende Markovkjede Monte Carlo-algoritme introdusert av Hoffman og Gelman (2014) som utvider Hamiltonian Monte Carlo (HMC) ved automatisk å bestemme det optimale antallet leapfrog-steg, og eliminerer den mest sensitive manuelle justeringsparameteren. NUTS er standard sampler i Stan og PyMC og har gjort storskala, høydimensjonal Bayesiansk inferens praktisk tilgjengelig uten at brukere trenger å sette banelengder manuelt.
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
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). No-U-Turn Sampler (NUTS). ScholarGate. https://scholargate.app/no/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.
- Bayesiansk regresjonBayesiansk↔ compare
- Hamiltonian Monte CarloBayesiansk↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk↔ compare
- VariasjonsinferensBayesiansk↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →