Varijacioni inferencijalni pristup sa nedostajućim podacima
Varijacioni inferencijalni pristup sa nedostajućim podacima je skalabilan Bejzijevski pristup koji istovremeno aproksimira aposteriornu raspodelu nad latentnim promenljivama i parametre modela, dok vrši imputaciju nedostajućih opservacija. Umesto da se egzaktno integriše preko svih mogućih vrednosti nedostajućih unosa, on postavlja izvodljivu aproksimativnu raspodelu i optimizuje je tako da bude što bliža pravoj zajedničkoj aposteriornoj raspodeli, što omogućava brzu, principijelnu inferenciju čak i u visokodimenzionalnim nepotpunim skupovima podataka.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/sr/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.
- Bejzovsko inferisanje sa nedostajućim podacimaBajesovska statistika↔ compare
- Gibbs Sampling sa nedostajućim podacimaBajesovska statistika↔ compare
- MCMC sa nedostajućim podacimaBajesovska statistika↔ compare
- Variational InferenceBajesovska statistika↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →