Sampler No-U-Turn (NUTS)
Sampler No-U-Turn (NUTS) to samonaprawiający się algorytm Markowa łańcuchów Monte Carlo (MCMC) wprowadzony przez Hoffmana i Gelmana (2014), który rozszerza Hamiltonian Monte Carlo (HMC), automatycznie określając optymalną liczbę kroków leapfroga, eliminując najbardziej wrażliwy parametr ręcznego dostrajania. NUTS jest domyślnym samplerem w Stan i PyMC i uczynił wnioskowanie bayesowskie na dużą skalę i w wysokich wymiarach praktycznie dostępnym, bez konieczności ręcznego ustawiania przez użytkowników długości trajektorii.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). No-U-Turn Sampler (NUTS). ScholarGate. https://scholargate.app/pl/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.
- Regresja bayesowskaStatystyka bayesowska↔ compare
- Hamiltonian Monte CarloStatystyka bayesowska↔ compare
- Łańcuchy Markowa i symulacje Monte Carlo (MCMC)Statystyka bayesowska↔ compare
- Inferencja wariacyjnaStatystyka bayesowska↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →