Inferência Variacional Multinível
Inferência variacional multinível (MLVI) é um método Bayesiano aproximado escalável que ajusta modelos hierárquicos (multinível) otimizando uma aproximação variacional da posterior, em vez de extrair amostras MCMC. Ele explora a estrutura agrupada de dados multinível — indivíduos aninhados em grupos, grupos aninhados em unidades de nível superior — para derivar atualizações eficientes por coordenadas, tornando a inferência Bayesiana tratável para grandes conjuntos de dados clusterizados.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Blei, D. M., Kucukelbir, A., & McAuliffe, J. D. (2017). Variational inference: A review for statisticians. Journal of the American Statistical Association, 112(518), 859-877. DOI: 10.1080/01621459.2017.1285773 ↗
- Ranganath, R., Altosaar, J., Tran, D., & Blei, D. M. (2016). Operator variational objectives. Advances in Neural Information Processing Systems, 29. Curran Associates. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Multilevel Variational Inference for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/pt/bayesian/multilevel-variational-inference
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.
- Modelo Hierárquico BayesianoBayesiano↔ compare
- Inferência Bayesiana HierárquicaBayesiano↔ compare
- Multilevel MCMCBayesiano↔ compare
- Inferência VariacionalBayesiano↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →