Gibbs Sampling with Missing Data
การสุ่มตัวอย่างแบบกิบบส์สำหรับข้อมูลที่ขาดหายไป (Gibbs sampling with missing data) เป็นวิธีการที่มองค่าที่สังเกตไม่ได้ว่าเป็นตัวแปรที่ไม่ทราบค่าเพิ่มเติมควบคู่ไปกับพารามิเตอร์ของแบบจำลอง และทำการสุ่มตัวอย่างทั้งหมดร่วมกันภายในวงจรการสุ่มตัวอย่างแบบมาร์คอฟเชนมอนติคาร์ (Markov chain Monte Carlo: MCMC) วิธีการนี้จะสลับระหว่างการสุ่มค่าที่ขาดหายไปจากการแจกแจงแบบมีเงื่อนไข (conditional distribution) โดยกำหนดจากพารามิเตอร์ และการสุ่มพารามิเตอร์จากการแจกแจงแบบมีเงื่อนไข โดยกำหนดจากข้อมูลที่สมบูรณ์ ทำให้ได้การแจกแจงภายหลัง (posterior distribution) ของทั้งสองอย่างพร้อมกัน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
แหล่งอ้างอิง
- Tanner, M. A. & Wong, W. H. (1987). The calculation of posterior distributions by data augmentation. Journal of the American Statistical Association, 82(398), 528–540. DOI: 10.1080/01621459.1987.10478458 ↗
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Gibbs Sampling with Missing Data Imputation. ScholarGate. https://scholargate.app/th/bayesian/gibbs-sampling-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.
- แบบจำลองลำดับชั้นแบบเบย์เซียนที่มีข้อมูลสูญหายเบย์↔ compare
- การอนุมานแบบเบย์สำหรับข้อมูลที่ขาดหายเบย์↔ compare
- การเพิ่มข้อมูลการเรียนรู้เชิงลึก↔ compare
- การสุ่มตัวอย่างแบบกิบบส์เบย์↔ compare
- MCMC กับข้อมูลที่ขาดหายไปเบย์↔ compare
- Multiple Imputationสถิติศาสตร์↔ compare