Bayesian methodsBayesian / computational

Вариационный вывод с пропущенными данными

Вариационный вывод с пропущенными данными — это масштабируемый байесовский подход, который одновременно аппроксимирует апостериорное распределение скрытых переменных и параметров модели, а также импутирует пропущенные наблюдения. Вместо точного интегрирования по всем возможным значениям пропущенных элементов, он постулирует поддающееся обработке приближенное распределение и оптимизирует его, чтобы оно было как можно ближе к истинному совместному апостериорному распределению, обеспечивая быстрый, принципиально обоснованный вывод даже в многомерных неполных наборах данных.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. 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
  2. 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

Как цитировать эту страницу

ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/ru/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.

Compare side by side

Упоминается в

ScholarGateVariational Inference with Missing Data (Variational Bayesian Inference with Missing Data). Получено 2026-06-15 из https://scholargate.app/ru/bayesian/variational-inference-with-missing-data · Набор данных: https://doi.org/10.5281/zenodo.20539026