การสุ่มตัวอย่างแบบกิบส์สำหรับการเปรียบเทียบแบบจำลอง
การสุ่มตัวอย่างแบบกิบส์ (Gibbs sampling) สำหรับการเปรียบเทียบแบบจำลองเป็นวิธีการแบบเบย์เซียน MCMC ที่สุ่มตัวอย่างพร้อมกันจากปริภูมิของแบบจำลองคู่แข่งและพารามิเตอร์ของแบบจำลองเหล่านั้น ด้วยการเพิ่มตัวแปรดัชนีแบบจำลองแบบไม่ต่อเนื่องเข้าไปในตัวสุ่มตัวอย่างแบบกิบส์ ทำให้สามารถประมาณความน่าจะเป็นของแบบจำลองภายหลัง (posterior model probabilities) และปัจจัยเบย์ (Bayes factors) ได้จากลูกโซ่มาร์คอฟที่ได้ โดยไม่จำเป็นต้องมีการรันแยกกันสำหรับแต่ละแบบจำลอง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Carlin, B. P. & Chib, S. (1995). Bayesian model choice via Markov chain Monte Carlo methods. Journal of the Royal Statistical Society, Series B, 57(3), 473-484. DOI: 10.1111/j.2517-6161.1995.tb02042.x ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Gibbs Sampling for Bayesian Model Comparison. ScholarGate. https://scholargate.app/th/bayesian/gibbs-sampling-for-model-comparison
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.
- การเฉลี่ยแบบจำลองแบบเบย์ (Bayesian Model Averaging - BMA)เบย์↔ compare
- การสุ่มตัวอย่างแบบกิบบส์เบย์↔ compare
- Metropolis-Hastings สำหรับการเปรียบเทียบโมเดลเบย์↔ compare