Variasjonsinferens med manglende data
Variasjonsinferens med manglende data er en skalerbar Bayesiansk tilnærming som samtidig approksimerer posteriorfordelingen over latente variabler og modellparametere, samtidig som den imputerer manglende observasjoner. I stedet for å integrere over alle mulige verdier av de manglende dataene eksakt, postulerer den en håndterbar approksimativ fordeling og optimerer den til å være så nær som mulig den sanne felles posteriorfordelingen, noe som gir rask, prinsipiell inferens selv i høy-dimensjonale ufullstendige datasett.
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
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/no/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.
- Bayesiansk inferens med manglende dataBayesiansk↔ compare
- Gibbs-sampling med manglende dataBayesiansk↔ compare
- MCMC med manglende dataBayesiansk↔ compare
- VariasjonsinferensBayesiansk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →