Сэмплирование по Гиббсу
Сэмплирование по Гиббсу — это алгоритм Монте-Карло по цепям Маркова, который аппроксимирует многомерное апостериорное распределение путём многократного извлечения каждого параметра из его полного условного распределения при условии всех остальных параметров и данных. Поскольку каждое извлечение является точным из условного распределения, а не из предлагаемого распределения, которое может быть отклонено, сэмплер эффективен, когда эти условные распределения доступны в замкнутой форме.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+23 more
Источники
- Geman, S. & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721-741. DOI: 10.1109/TPAMI.1984.4767596 ↗
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398-409. DOI: 10.1080/01621459.1990.10476213 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Gibbs Sampling Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/ru/bayesian/gibbs-sampling
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.
- Байесовская регрессияБайесовские методы↔ compare
- Гамильтонов Монте-КарлоБайесовские методы↔ compare
- Иерархический байесовский выводБайесовские методы↔ compare
- Метод Монте-Карло по цепям Маркова (MCMC)Байесовские методы↔ compare
- Вариационный выводБайесовские методы↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →