Inferência Variacional com Dados Ausentes
A inferência variacional com dados ausentes é uma abordagem bayesiana escalável que aproxima simultaneamente a posterior sobre variáveis latentes e parâmetros do modelo, ao mesmo tempo em que imputa observações ausentes. Em vez de integrar sobre todos os valores possíveis das entradas ausentes exatamente, ela postula uma distribuição aproximada tratável e a otimiza para que fique o mais próxima possível da posterior conjunta verdadeira, resultando em inferência rápida e principiada, mesmo em conjuntos de dados incompletos de alta dimensionalidade.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/pt/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.
- Inferência Bayesiana com Dados AusentesBayesiano↔ compare
- Amostragem de Gibbs com Dados AusentesBayesiano↔ compare
- MCMC com Dados AusentesBayesiano↔ compare
- Inferência VariacionalBayesiano↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →